優先隊列:PriorityQueue
正常入,按優先級出
實現機制:
1.Heap(Binary,Binomial,Fibonacci)
2.Binary Search Tree
703.數據流中的第K個大元素
設計一個找到數據流中第K大元素的類(class)。注意是排序後的第K大元素,不是第K個不同的元素。
你的 KthLargest 類需要一個同時接收整數 k 和整數數組nums 的構造器,它包含數據流中的初始元素。每次調用 KthLargest.add,返回當前數據流中第K大的元素。
示例:
int k = 3;
int[] arr = [4,5,8,2];
KthLargest kthLargest = new KthLargest(3, arr);
kthLargest.add(3); // returns 4
kthLargest.add(5); // returns 5
kthLargest.add(10); // returns 5
kthLargest.add(9); // returns 8
kthLargest.add(4); // returns 8
【思路】
傳統思路:
把數據流中的數字存入k個大小的數組中,再按照從小到大排序,數據流中的數字再進入時,和數組的最小元素進行比較,要是比最小元素小的話,就不進入該數組,要是大的話進入數組,重新進行排序。時間複雜度:O(KlogK)快速排序
優先隊列思路:
和傳統思路類似,區別在於設置一個k大小的優先隊列,該隊列默認爲小頂堆。該堆的頂爲k個元素的最小值。大於該最小值就進入該堆進行重新排序,否則不進入該堆。時間複雜度爲O(logk)。
【實現代碼】
class KthLargest {
final PriorityQueue<Integer> q;
final int k;
public KthLargest(int k, int[] nums) {
this.k=k;
q=new PriorityQueue<>(k);
for(int n:nums)
add(n);
}
public int add(int val) {
if(q.size()<k)
q.offer(val);
else if (q.peek()<val){
q.poll();
q.offer(val);
}
return q.peek();
}
}
/**
* Your KthLargest object will be instantiated and called as such:
* KthLargest obj = new KthLargest(k, nums);
* int param_1 = obj.add(val);
*/
237.滑動窗口最大值
給定一個數組nums,有一個大小爲k的滑動窗口從數組的最左側移動到數組的最右側。你只可以看到滑動窗口k內的數字。滑動窗口每次只向右移動一位。
返回滑動窗口最大值
示例
輸入: nums = [1,3,-1,-3,5,3,6,7], 和 k = 3
輸出: [3,3,5,5,6,7]
解釋:
滑動窗口的位置 最大值
--------------- -----
[1 3 -1] -3 5 3 6 7 3
1 [3 -1 -3] 5 3 6 7 3
1 3 [-1 -3 5] 3 6 7 5
1 3 -1 [-3 5 3] 6 7 5
1 3 -1 -3 [5 3 6] 7 6
1 3 -1 -3 5 [3 6 7] 7
注意:
你可以假設 k 總是有效的,1 ≤ k ≤ 輸入數組的大小,且輸入數組不爲空。
【思路】
1.第一種思路是還是按照之前的優先隊列,但是這裏需要設置一個大頂堆,這個大頂堆的大小爲k,隨着滑動窗口的移動,假如新加入的元素大於堆頂元素則進入該堆,將堆頂元素彈出。同時還需要將超出滑動窗口大小的數據元素從堆中彈出。
2.使用雙向隊列來實現該滑動窗口的過程。
參考鏈接https://blog.csdn.net/top_code/article/details/8650729
【實現代碼】
package leetcode_50;
import java.util.List;
import java.util.ArrayDeque;
import java.util.ArrayList;
import java.util.LinkedList;
import java.util.Queue;
import java.util.Scanner;
public class Leetcode_239 {
public static void main(String[] args){
Scanner sc=new Scanner(System.in);
String str=sc.nextLine();
String[] s=str.split(",");
int k=sc.nextInt();
int[] result={};
int[] a=new int[s.length];
for(int i=0;i<a.length;i++) {
a[i]=Integer.parseInt(s[i]);
//System.out.print(a[i]+" ");
}
result=maxSlidingWindow(a,k);
for(int n=0;n<result.length;n++){
System.out.print(result[n]+" ");
}
}
private static int[] maxSlidingWindow(int[] nums, int k) {
if(nums.length==0) return new int[] {};
//結果集
List<Integer> res=new ArrayList<>();
//雙向隊列保存的是索引值
ArrayDeque<Integer> deq=new ArrayDeque<>();
for(int i=0;i<nums.length;i++){
//當隨着滑動窗口的移動,左邊的數組元素超出滑動窗口邊界
//則刪除
if(i>=k&&deq.getFirst()<=i-k)
deq.pollFirst();
while(!deq.isEmpty()&&nums[deq.peekLast()]<=nums[i]){
deq.pollLast();
}
deq.add(i);
//始終保持最左端是最大值
if(i>=k-1){
res.add(nums[deq.peekFirst()]);
}
}
int size=res.size();
int[] r=new int[size];
for(int j=0;j<size;j++){
r[j]=res.get(j);
}
return r;
}
}