LeetCode 146. LRU 缓存 -- 哈希map+双向链表

146. LRU 缓存
     中等
     2.6K
     相关企业
     请你设计并实现一个满足 LRU (最近最少使用) 缓存 约束的数据结构。
     实现 LRUCache 类：
     LRUCache(int capacity) 以 正整数 作为容量 capacity 初始化 LRU 缓存
     int get(int key) 如果关键字 key 存在于缓存中，则返回关键字的值，否则返回 -1 。
     void put(int key, int value) 如果关键字 key 已经存在，则变更其数据值 value ；如果不存在，则向缓存中插入该组 key-value 。如果插入操作导致关键字数量超过 capacity ，则应该 逐出 最久未使用的关键字。
     函数 get 和 put 必须以 O(1) 的平均时间复杂度运行。

示例：

输入
[“LRUCache”, “put”, “put”, “get”, “put”, “get”, “put”, “get”, “get”, “get”]
[[2], [1, 1], [2, 2], [1], [3, 3], [2], [4, 4], [1], [3], [4]]
输出
[null, null, null, 1, null, -1, null, -1, 3, 4]

解释
LRUCache lRUCache = new LRUCache(2);
lRUCache.put(1, 1); // 缓存是 {1=1}
lRUCache.put(2, 2); // 缓存是 {1=1, 2=2}
lRUCache.get(1); // 返回 1
lRUCache.put(3, 3); // 该操作会使得关键字 2 作废，缓存是 {1=1, 3=3}
lRUCache.get(2); // 返回 -1 (未找到)
lRUCache.put(4, 4); // 该操作会使得关键字 1 作废，缓存是 {4=4, 3=3}
lRUCache.get(1); // 返回 -1 (未找到)
lRUCache.get(3); // 返回 3
lRUCache.get(4); // 返回 4

提示：

1 <= capacity <= 3000
0 <= key <= 10000
0 <= value <= 105
最多调用 2 * 105 次 get 和 put

题解

LRU是一个计算机操作系统很经典的算法，有必要学习下。

这里的话，如果只是单纯查询，用哈希map就行了。但是考虑到需要不断更新被访问过的元素，还要记录哪些元素很久没有被访问，这是一个时间关系，很自然想到用双向链表储存，这样记录更新会超级方便。

AC代码

struct Node{
    int key, val;
    Node * next, * prev;
};
class LRUCache {
private:
    //定义哈希表
    unordered_map<int, Node*>cache;
    Node * head = new Node();
    Node * tail = new Node();
    int capacity;

public:
    //修改老元素的前后节点的连接关系
    void update_node(Node *p)
    {
        Node * Prev = p->prev;
        Node * Next = p->next;
        Prev->next = Next;
        Next->prev = Prev;
        p->prev = NULL;
        p->next = NULL;
    }
    //将新元素插入头部
    void insert_head(Node *p)
    {
        Node * p2 = head->next;
        head->next = p;
        p->prev = head;
        p->next = p2;
        p2->prev = p;
    }
    LRUCache(int capacity):capacity(capacity)
    {
        head = new Node();
        head->next = tail;
        head->prev = NULL;
        tail->prev = head;
        tail->next = NULL;
    }
    int get(int key) 
    {
        if(cache.find(key)==cache.end())return -1;
        Node * p = cache[key];
        //先修改原来的前后节点连接关系
        update_node(p);
        //再插入到头部
        insert_head(p);
        return p->val;
    }
    
    void put(int key, int value) 
    {
        if(cache.find(key)==cache.end())
        {
            //容器已经满了
            if(cache.size()>=capacity)
            {
                //找到最后一个元素
                Node * p = tail->prev;
                Node * Prev = p->prev;
                Prev->next = tail;
                tail->prev = Prev;
                //删除p
                cache.erase(p->key);
                delete p;
            }
            Node * p = new Node();
            p->key = key;
            p->val = value;
            cache[key] = p;
            //插入到头部
            insert_head(p);
        }
        else
        {
            Node * p = cache[key];
            p->val = value;
            //先修改原来的前后节点连接关系
            update_node(p);
            //再插入到头部
            insert_head(p);
        }
    }
};

/**
 * Your LRUCache object will be instantiated and called as such:
 * LRUCache* obj = new LRUCache(capacity);
 * int param_1 = obj->get(key);
 * obj->put(key,value);
 */