❤️《画解数据结构》七张动图，画解单调队列❤️(建议收藏)

Posted 2021-10-03 英雄哪里出来

本文已收录于专栏 💜《夜深人静写算法》💜 您可能感兴趣的专家文章推荐 画解数据结构 画解顺序表， 画解链表 画解栈， 画解队列， 画解双端队列 画解哈希表， 画解排序

---

直接跳到末尾 获取粉丝专属福利。

---

零、前言

  「 数据结构 」 和 「 算法 」 是密不可分的，两者往往是「 相辅相成 」的存在，所以，在学习 「 数据结构 」 的过程中，不免会遇到各种「 算法 」。
  数据结构 常用的操作一般为：「 增 」「 删 」「 改 」「 查 」。基本上所有的数据结构都是围绕这几个操作进行展开的。
  那么这篇文章，作者将用 「 十张动图 」 来阐述一种 「 一端插入 」「 两端删除 」 的数据结构

「 单调队列 」


   单调队列的操作浓缩为以下一张图：


  看不懂没有关系，我会把它拆开来一个一个讲，首先来看一下今天要学习的内容目录。

文章目录

• 零、前言
• 一、滑动窗口
• • 1、引例
  • 2、暴力求解
  • 3、区间最值
  • 4、容器抽象
• 二、FIFO 队列
• • 1、FIFO 队列的概念
  • • 1）队列的定义
    • 2）队首
    • 3）队尾
  • 2、FIFO 队列的接口
  • • 1）数据入队
    • 2）数据出队
    • 3）清空队列
    • 4）获取队首数据
    • 5）获取队列元素个数
    • 6）队列的判空
  • 3、队列的实现
• 三、双端队列
• • 1、双端队列的概念
  • • 1）双端队列的定义
    • 2）队首
    • 3）队尾
  • 2、双端队列的接口
  • • 1）队首入队
    • 2）队尾入队
    • 3）队首出队
    • 4）队尾出队
    • 5）清空队列
    • 6）获取队列元素个数
    • 7）队列判空
    • 8）获取队首元素
    • 9）获取队尾元素
  • 3、双端队列的实现
• 四、单调队列
• • 1、定义
  • 2、询问
  • 3、删除
  • 4、插入
  • 5、性质
  • • 1）保序性
    • 2）下标存储
    • 3）单调性
• 五、单调队列的应用
• • 1、最值问题
  • • 1）问题描述
    • 2）思路分析
    • 3）源码详解
  • 2、DP 优化
  • • 1）问题描述
    • 2）思路分析
    • 3）源码详解
  • 3、前缀和
  • • 1）问题描述
    • 2）思路分析
    • 3）源码详解
• 六、单调队列相关题集整理
• 七、粉丝专属福利

一、滑动窗口

1、引例

  【例题1】给定一个长度为 $n(n\le 10^5)$ 整数数组 $a_i$，有一个大小为 $k(k\le 10^5)$ 的滑动窗口从数组的最左侧移动到数组的最右侧。只能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 每个滑动窗口 的最大值。

2、暴力求解

  看到这个问题，最简单的思路就是：枚举一个起点 $s$，然后记录区间 $[s,s+k-1]$ 内的最大值。枚举起点的时间复杂度为 $O(n)$，记录区间最值的时间复杂度为 $O(k)$，所以总的时间复杂度为 $O(nk)$，对于这个问题的数据量，最大的数据量达到了 $10^{10}$ 量级，所以这个做法是行不通的。

3、区间最值

  这个问题是个经典的区间最值问题，可以通过 ST表 (Sparse Table, 稀疏表) 求解，时间复杂度为 $O(nlo{g}_{2}k)$，除了 ST表，还可以采用 线段树 求解区间最值，时间复杂度也为 $O(nlo{g}_{2}k)$。当然，这两块内容都不是本文讨论的重点，如果对 ST表 感兴趣，可以参考以下文章：夜深人静写算法（六）- RMQ。对线段树感兴趣，可以参考以下文章：夜深人静写算法（四十一）- 线段树。

4、容器抽象

  本文将介绍一种 $O(n)$ 的算法。它将会用到一种数据结构 —— 单调队列。
  在这个问题中，两个相邻的滑动窗口，实际上只相差两个元素，如下图所示：

假设，我们提供了一种容器，这个容器能够支持三种操作：
  1）【询问】通过 $O(1)$ 的时间，获取容器中元素的最大值。
  2）【删除】通过 $O(1)$ 的时间，删除元素；
  3）【插入】通过 $O(1)$ 的时间，插入元素；

  那么，我们只要不断的移动滑动窗口，每一次移动，删除一个元素，插入另一个元素，并且记录下最大值，那么，每一次滑动，只需要三步 $O(1)$ 的操作。总共 $n$ 次滑动，只需要 $O(n)$ 的时间复杂度就能解决这个问题。
  这种容器存在吗？让我们首先简单了解一下 FIFO 队列 和 双端队列，如果你对 以上两种数据结构 已经 了如指掌，则可以跳过相关内容，直接观看 👉🏻单调队列👈🏻 部分。

二、FIFO 队列

1、FIFO 队列的概念

1）队列的定义

  队列 是仅限在 一端 进行 插入，另一端 进行 删除 的 线性表。
  队列 又被称为 先进先出 （First In First Out） 的线性表，简称 FIFO 队列。

2）队首

  允许进行元素删除的一端称为 队首。如下图所示：

3）队尾

  允许进行元素插入的一端称为 队尾。如下图所示：

2、FIFO 队列的接口

1）数据入队

  队列的插入操作，叫做 入队。它是将 数据元素 从 队尾 进行插入的过程，如图所示，表示的是 插入 两个数据（绿色 和 蓝色）的过程：

2）数据出队

  队列的删除操作，叫做 出队。它是将 队首 元素进行删除的过程，如图所示，表示的是 依次 删除 两个数据（红色 和 橙色）的过程：

3）清空队列

  队列的清空操作，就是一直 出队，直到队列为空的过程，当 队首 和 队尾 重合时，就代表队尾为空了，如图所示：

4）获取队首数据

  对于一个队列来说只能获取 队首 数据，一般不支持获取 其它数据。

5）获取队列元素个数

  队列元素个数一般用一个额外变量存储，入队 时加一，出队 时减一。这样获取队列元素的时候就不需要遍历整个队列。通过 $O(1)$ 的时间复杂度获取队列元素个数。

6）队列的判空

  当队列元素个数为零时，就是一个 空队，空队 不允许 出队 操作。

3、队列的实现

  队列的实现，可以参考以下这篇文章：❤️《画解数据结构》九张动图，画解队列❤️。

三、双端队列

1、双端队列的概念

1）双端队列的定义

  双端队列 是一种具有 队列 和 栈 的性质的数据结构，是我们常说的 deque（double-ended queue），是一种限定 插入 和 删除 操作在表的两端进行的线性表。这两端分别被称为 队首 和 队尾。

2）队首

  双端队列的一端被称为 队首，如下图所示：

3）队尾

  双端队列的另一端被称为 队尾，如下图所示：

2、双端队列的接口

1）队首入队

  队列的插入操作，叫做 入队。
  队首入队 就是将 数据元素 从 队首 进行插入的过程。如图所示，表示的是在队首 插入 一个蓝色数据的过程：

2）队尾入队

  队尾入队 就是将 数据元素 从 队尾 进行插入的过程。如图所示，表示的是在队尾 插入 一个紫色数据的过程：

3）队首出队

  队列的删除操作，叫做 出队。
  队首出队 是将 队首 元素进行删除的过程，如图所示，表示的是在队首 删除 一个蓝色数据的过程：

4）队尾出队

  队尾出队 是将 队尾 元素进行删除的过程，如图所示，表示的是在队尾 删除 一个紫色数据的过程：

5）清空队列

  队列的清空操作，就是一直 出队，直到队列为空的过程，当 队首 和 队尾 正好错开一个位置时，就代表队尾为空了，如图所示，细心的读者会发现，队尾 和 队首 错开了一个位置：

6）获取队列元素个数

  队列元素个数一般用一个额外变量存储，入队 时加一，出队 时减一。这样获取队列元素的时候就不需要遍历整个队列。通过 $O(1)$ 的时间复杂度获取队列元素个数。

7）队列判空

  当队列元素个数为零时，就是一个 空队，空队 不允许 出队 操作。

8）获取队首元素

   队首指针 指向的数据被称为 队首元素，可以通过 $O(1)$ 的时间复杂度来获取。

9）获取队尾元素

   队尾指针 指向的数据被称为 队尾元素，可以通过 $O(1)$ 的时间复杂度来获取。

3、双端队列的实现

  需要了解双端队列的实现，可以参考如下文章：❤️《画解数据结构》十张动图，画解双端队列❤️

四、单调队列

单调队列 就是能够完美支持下面三种操作的一种容器：
  1）【询问】通过 $O(1)$ 的时间，获取容器中元素的最大值。
  2）【删除】通过 $O(1)$ 的时间，删除元素；
  3）【插入】通过 $O(1)$ 的时间，插入元素；

1、定义

  单调队列是一个限制只能 队尾插入，但是可以 两端删除 的 双端队列 。单调队列 存储的元素值，是从 队首 到 队尾 呈单调性的（要么单调递增，要么单调递减）。
  对于求解最大值的问题，则需要维护一个 单调递减 的队列。

  如图所示，⑨ 为原先的 队首元素，执行 队首删除（出队） 操作以后，⑥ 成为新的 队首元素；而在队尾执行插入④这个元素的时候，为了保持单调性，需要将①②依次从队尾删除；当队尾执行插入②这个元素的时候，满足单调性。

2、询问

  由于单调队列是单调递减的，所以队首元素 最大，直接 $O(1)$ 获取队首元素。

  如图所示，head 指向 队首元素，直接获取，由于这是一个单调递减队列，所以得到的，就是最大值。

3、删除

  删除分为 队首删除 和 队尾删除。
  队首删除即直接队首元素出队，$O(1)$ 即可完成操作。如图所示：

  队尾删除 一般是配合 队尾插入 进行的。我们接着往下看。

4、插入

  在进行 队尾插入 的时候，我们往往需要明白一个重要的点，就是需要保证它 单调递减 的性质，所以如果 队尾元素 $\le$ 插入元素 ，则当前的 队尾元素 是需要执行删除操作的（也就是上文提到的 队尾删除），直到满足 队尾元素 $>$ 插入元素，才能真正执行 插入 操作。
  这样才能保证，执行 队尾插入 后，单调队列仍然是 单调递减 的。插入过程，虽然伴随着元素的删除，但是每个元素至多被 插入一次 和 删除一次，所以均摊时间复杂度还是 $O(1)$ 的。

  如图所示，在队尾执行插入④这个元素的时候，为了保持单调性，需要将①②依次从队尾删除；当队尾执行插入②这个元素的时候，满足单调性，所以直接执行插入操作。

5、性质

1）保序性

  由于单调队列执行插入的时候，一定是从队尾进行插入，所以单调队列中的数据，从队首到队尾的顺序，一定是和原序列严格保序的；

2）下标存储

  为了让单调队列的数据足够干净，在单调队列中，一般存储 原序列的下标 即可，而不需要存储原序列的值，根据保序性，存储的下标一定是单调递增的；

3）单调性

  单调队列中的元素是 原序列的下标，对应到原序列时，根据求解问题的不同，当需要求最大值时，它是单调递减的；当需要求最小值时，它是单调递增的；

五、单调队列的应用

1、最值问题

1）问题描述

  继续回到上文提到的滑动窗口中的最大值问题。

  【例题1】给定一个长度为 $n(n\le 10^5)$ 整数数组 $A_i$，有一个大小为 $k(k\le 10^5)$ 的滑动窗口从数组的最左侧移动到数组的最右侧。只能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。

2）思路分析

  我们要实现的，就是把原序列 $A$ 中的元素逐个执行单调队列的 插入 操作。当 插入 的原序列的下标为 $i$ 时，期望是单调队列中的元素从 队首 到 队尾 都在原序列的区间 $(i-k,i]$ 范围内（也就是以 $i$ 为右端点，长度为 $k$ 的区间内），且对应到原序列的值单调递减，这样每次插入完毕，就可以在 $O(1)$ 的时间内，从队首获取到最大值（即区间 $(i-k,i]$ 内的最大值）。
  为什么是单调递减？而不是单调递增？
  对于每个需要插入的下标 $i$，队尾的元素为原序列的下标 $j$，则根据保序性，一定能够满足 $j<i$，如果对应到原序列中，满足 $A_j\le A_i$，那么 $A_j$ 不会比 $A_i$ 更优，原因是：对于区间 $(i-k,i]$ 来说，$A_i$ 一定在区间内，而 $A_j$ 则未必，也就是说 下标 $j$ 没必要存储到单调队列中。于是对于单调队列中的存储的元素 $i_1$

❤️《画解数据结构》两万字，十张动图，画解双端队列❤️(建议收藏)

❤️《画解数据结构》全网最全队列总结，九张动图搞懂队列 ❤️(文末有投票)

❤️《画解数据结构》全网最清晰哈希表入门，三张动图搞懂哈希 ❤️(建议收藏)

❤️《画解数据结构》之 顺序表八大算法总结❤️(建议收藏)

❤️五万字《十大排序算法》动图讲解❤️(建议收藏)

❤️五万字《十大排序算法》动图讲解❤️(建议收藏)