单调队列——滑动窗口

题意

ZJM 有一个长度为 n 的数列和一个大小为 k 的窗口, 窗口可以在数列上来回移动. 现在 ZJM 想知道在窗口从左往右滑的时候,每次窗口内数的最大值和最小值分别是多少. 例如:
数列是 [1 3 -1 -3 5 3 6 7], 其中 k 等于 3.
在这里插入图片描述

Input

输入有两行。第一行两个整数n和k分别表示数列的长度和滑动窗口的大小,1<=k<=n<=1000000。第二行有n个整数表示ZJM的数列。

Output

输出有两行。第一行输出滑动窗口在从左到右的每个位置时,滑动窗口中的最小值。第二行是最大值。

Sample Input

8 3
1 3 -1 -3 5 3 6 7

Sample Output

1 -3 -3 -3 3 3
3 3 5 5 6 7

单调队列

单调队列=单调+队列;
单调性: 只可意会不可言传 擅用搜索引擎 ;
队列:先进先出的一种线性数据结构(更多内容参考搜索引擎);
单调队列,有序的队列(一定是从队首到队尾满足单调性),push过程中删除破坏有序结构的数据(菜鸡理解 );
首先来看一下单调队列的性质:

单调递增队列(从队首到队尾满足递增)
单调递减队列(从队首到队尾满足递减)

单调栈的作用:

队列里的元素满足出队的单调性。

举个栗子:
一组数据:

1 3 -1 -3 5 3 6 7

单调递增队列

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

单调队列应用
单调队列通常只维护一段区间内的单调性(局部单调性) ,可以找到某一区间内部的最大最小值。
还是上面这个栗子,我们设窗口大小为3,即只维护窗口内的单调性。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
我们找出了窗口从左到右的所有最小值。

思路

分别用单调递增队列和单调递减队列,找出窗口移动过程中的最大最小值。

代码

#define _CRT_SECURE_NO_WARNINGS
#include<iostream>
#include<cstdio>
using namespace std;
int a[1000010];
int minn[1000010];
int maxx[1000010];   
int q[1000010];  //数组模拟队列

int main()
{
	int n, k;
	scanf("%d %d", &n, &k);
	for (int i = 1; i <= n; i++)
	{
		scanf("%d", &a[i]);
	}
	//求最大值
	int r = 0, l = 1;
	for (int i = 1; i <= n; i++)
	{//递减队列
		while (r >= l && a[i] >= a[q[r]]) r--;    //加入的元素大于等于队尾元素 队尾出队
		q[++r] = i;
		if (q[r] - q[l] + 1 > k)   //判断窗口大小是否<=k
			l++;  //队首出队=l++
		maxx[i] = a[q[l]];    //队首为最大值
	}
	//最小值 
	r = 0, l = 1;
	for (int i = 1; i <= n; i++)
	{
		while (r >= l&& a[i] <= a[q[r]]) r--;
		q[++r] = i;
		if (q[r] - q[l] + 1 > k) l++;
		minn[i] = a[q[l]];
	}
	for (int i = k; i <= n; i++)
	{
		cout << minn[i] << " ";
	}
	cout << endl;
	for (int i = k; i <= n; i++)
	{
		cout << maxx[i] << " ";
	}

	return 0;
}
### 单调队列滑动窗口问题中的应用 单调队列是一种特殊的队列结构,其内部元素按照特定顺序排列(通常是递增或递减)。这种数据结构非常适合用来优化滑动窗口类问题的时间复杂度。当需要频繁查询某个固定大小窗口的最大值或最小值时,可以借助单调队列来实现 \(O(1)\) 时间内的更新和查询。 #### 基本原理 单调队列的核心在于维持一个具有单调性的队列,从而快速获取当前窗口的极值。对于滑动窗口问题,每当新元素进入窗口时,将其加入队列的同时移除那些不可能成为最优解的候选者;而当旧元素离开窗口时,则简单地判断该元素是否仍存在于队首并决定是否弹出[^2]。 以下是基于 Python 的一种典型实现: ```python from collections import deque def max_sliding_window(nums, k): if not nums or k == 0: return [] result = [] q = deque() # 双端队列存储索引 for i in range(len(nums)): # 移除不在当前窗口范围内的元素 while q and q[0] < i - k + 1: q.popleft() # 维护单调递减队列 while q and nums[i] >= nums[q[-1]]: q.pop() q.append(i) # 当前窗口已形成,记录最大值 if i >= k - 1: result.append(nums[q[0]]) return result ``` 此函数实现了寻找给定数组 `nums` 中每个长度为 `k` 的滑动窗口的最大值的功能。通过使用双端队列 `q` 来保存潜在的最大值下标,并始终保持这些下标的对应数值呈递减排列,最终达到线性时间复杂度的效果[^4]。 #### 扩展讨论 除了标准的滑动窗口最大值问题外,还可以利用类似的思路解决其他变种问题,比如绝对差不超过限制的最长连续子数组等问题。这些问题往往涉及更复杂的约束条件,但仍可采用单调队列配合额外的数据结构共同完成求解过程[^3]。 ---
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值