28栈与队列-单调队列

目录

LeetCode之路——239. 滑动窗口最大值

解法一：暴力破解

解法二：单调队列

---

LeetCode之路——239. 滑动窗口最大值

给你一个整数数组 nums，有一个大小为 k 的滑动窗口从数组的最左侧移动到数组的最右侧。你只可以看到在滑动窗口内的 k 个数字。滑动窗口每次只向右移动一位。

返回 滑动窗口中的最大值 。

示例 1：

输入：nums = [1,3,-1,-3,5,3,6,7], k = 3 输出：[3,3,5,5,6,7] 解释： 滑动窗口的位置               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

示例 2：

输入：nums = [1], k = 1 输出：[1]

提示：

1 <= nums.length <= 105

-104 <= nums[i] <= 104

1 <= k <= nums.length

解法一：暴力破解

遍历一遍的过程中每次从窗口中再找到最大的数值，时间复杂度O(n*k)。

class Solution {    public int[] maxSlidingWindow(int[] nums, int k) {        int[] window = new int[nums.length - k + 1];        for (int i = 0; i < window.length; i++) {            int max = nums[i];            for (int j = i; j < k + i; j++) {                max = Math.max(nums[j], max);           }            window[i] = max;       }        return  window;   } }

时间复杂度：O(n*k)

空间复杂度：O(n)

可惜的是，LeetCode提交显示有用例超时了。

解法二：单调队列

单调队列（Monotonic Queue）是一种特殊的队列数据结构，通常用于解决一些特定的算法问题，其中需要维护一组元素，并确保这组元素保持单调性（递增或递减）。

单调队列主要用于解决滑动窗口（Sliding Window）相关的问题，以及一些需要维护局部最大或最小值的问题。它的主要特点是能够快速找到队列中的最大或最小元素。

单调队列通常支持以下操作：

在队尾插入元素：通常用于添加新的元素。

在队首移除元素：通常用于删除过期的元素。

获取队列的最大（最小）元素：通常需要快速找到队列中的最大（最小）元素。

设计单调队列的时候，pop，和push操作要保持如下规则：

pop(value)：如果窗口移除的元素value等于单调队列的出口元素，那么队列弹出元素，否则不用任何操作

push(value)：如果push的元素value大于入口元素的数值，那么就将队列入口的元素弹出，直到push元素的数值小于等于队列入口元素的数值为止

保持如上规则，每次窗口移动的时候，只要问que.front()就可以返回当前窗口的最大值。

class Solution {    public int[] maxSlidingWindow(int[] nums, int k) {    int[] result = new int[nums.length - k + 1];    LinkedList<Integer> monoQueue = new LinkedList<>(); ​    for (int i = 0; i < nums.length; i++) {        // 维护单调递减队列        while (!monoQueue.isEmpty() && nums[i] >= nums[monoQueue.getLast()]) {            monoQueue.removeLast();       }        // 单调队列中的元素存放的是下标        monoQueue.addLast(i); ​        // 移除超出窗口范围的元素        if (monoQueue.getFirst() < i - k + 1) {            monoQueue.removeFirst();       } ​        // 获取窗口内的最大值        if (i >= k - 1) {            result[i - k + 1] = nums[monoQueue.getFirst()];       }   }            return result;   } }

时间复杂度：O(n)

空间复杂度：O(k)