算法实战生成窗口最大值数组
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了算法实战生成窗口最大值数组相关的知识,希望对你有一定的参考价值。
做算法题了,题的难度我们分为“士,尉,校,将”四个等级。这个算法题的模块是篇幅比较小的那种模块。首先是给出一道题的描述,之后我会用我的想法来做这道题,今天算是算法题的第一道题,先来试试水。
问题描述(等级:尉)
有一个整型数组arr和一个大小为w的窗口从数组的最左边滑到最右边,窗口每次向右边滑一个位置。
例如,数组为[4,3,1,5,4,3,7,5],窗口大小为5时:
[4 3 1 5 4] 3 7 5 max = 5
4 [3 1 5 4 3] 7 5 max = 5
4 3 [1 5 4 3 7] 5 max = 7
4 3 1 [5 4 3 7 5] max = 7
即窗口最大值数组为 result = {5, 5,7,7}
解答:
对于一道题,我一般会第一时间想到用暴力的方法来做,之后再来慢慢优化。
显然,对于这道题用暴力法来做还是挺简单了,窗口每次向右移动一位时,我们每次遍历窗口内的w个元素,然后求出此时窗口的最大值就可以了,用这种方法的时间复杂度是 O(wn)。代码如下:
//暴力法求解
public static int[] getMaxWindow(int[] arr, int w) {
if (w < 1 || arr == null || arr.length < w) {
return null;
}
int[] result = new int[arr.length - w + 1];
int index = 0;
//暴力求解直接从第 w-1个元素开始遍历
for (int i = w - 1; i < arr.length; i++) {
int max = arr[i];
//找出最大值
for (int k = i; k > i - w; k--) {
if (max < arr[k]) {
max = arr[k];
}
}
result[index++] = max;
}
return result;
}
注:可以左右拉动
大家想一个问题,例如对于刚才例题中的数组:
第一次遍历的时候,max = 5
第二次遍历的时候,max = 5
我们刚才用暴力法的时候,无论是第一次还是第二次,我们都是把窗口内的所有元素都给遍历了一次,以此来寻找最大值,可是,真的需要这样吗?
第一次遍历的时候,我们找出了max = 5, 那么在第二次遍历的时候,在窗口范围内,max = 5 左边的两个数1, 3 还有可能是最大值吗?也就是说,max=5 左边的窗口元素还要必要遍历吗?
显然,max=5左边的窗口实际上是不必再遍历的了,也就是它不可能会是窗口的最大值。
而 max = 5 右边的 4 有可能会是窗口的最大值吗?由于窗口还会一直向右移动,所以 max = 5 右边的窗口元素还是有可能是某一个窗口的最大值的。
因此,我们可以用一个双向的队列,来记录有可能成为窗口最大值的下标,注意,这里指的是有可能。
像刚才的 max = 5 前面的 1,3 就不可能成为窗口的最大值了,而右边的4还是有可能成为窗口的最大值的。并且这个队列是有序的,队首存放的总是队列中的最大值,
我以这道题来演示一下,我们用result[] 数组来存放窗口最大值。
1、result[0] = 5
2、result[1] = 5;
3、result[2] = 7
其他的全部都要出队,因为7前面的5,4,3是不可能成为窗口最大值的了。
4、result[3] = 7
遍历完毕。这种方法的话时间复杂度是 O(n)。
我这里只是提供了思路与大致的做法,具体的代码实现还是有很多细节需要注意的。下面给出实现代码,代码会有详细的解释。
//优化
public static int[] getMaxWindow2(int[] arr, int w) {
if (w < 1 || arr == null || arr.length < w) {
return null;
}
//用来保存成为最大窗口的元素
int[] result = new int[arr.length - w + 1];
int index = 0;
//用链表从当双向队列。
LinkedList<Integer> temp = new LinkedList<>();
//刚才演示的时候,我i直接从i = w-1那里开始演示了。
for (int i = 0; i < arr.length; i++) {
//如果队列不为空,并且存放在队尾的元素小于等于当前元素,那么
//队列的这个元素就可以弹出了,因为他不可能会是窗口最大值。
//【当前元素】指的是窗口向右移动的时候新加入的元素。
while (!temp.isEmpty() && arr[temp.peekLast()] <= arr[i]) {
temp.pollLast();//把队尾元素弹出
}
//把【当前元素】的下边加入到队尾
temp.addLast(i);
//如果队首的元素不在窗口范围内,则弹出
if (temp.peekFirst() == i - w) {
temp.pollFirst();//
}
if (i >= w - 1) {
//由于队首存放的是最大值,所以队首总是对应窗口的最大值元素
result[index++] = arr[temp.peekFirst()];
}
}
return result;
}
说实话,微信看代码确实有点难受,如果是在电脑浏览的话还好点,我在考虑要不要用截图的方式,不过如果是截图的话,有些人想要复制代码的话会复制不了,那我之后考虑把代码打包,你们后台回复获取。
- End -
推荐阅读:
循序渐进带你学习时间复杂度和空间复杂度。
谈谈NAT:什么?全球IP和私有IP是什么鬼?
以上是关于算法实战生成窗口最大值数组的主要内容,如果未能解决你的问题,请参考以下文章
[程序员代码面试指南]栈和队列-生成窗口最大值数组(双端队列)
华为OD机试 -滑动窗口最大和(Java) | 机试题+算法思路+考点+代码解析 2023