算法通关村第十六关:黄金挑战:滑动窗口与堆结合

黄金挑战:滑动窗口与堆结合

堆的大小一般是有限的,能直接返回当前位置下的最大值或者最小值

该特征与滑动窗口结合,可以解决一些特定场景的问题

1. 滑动窗口与堆问题的结合

LeetCode239
https://leetcode.cn/problems/sliding-window-maximum/

思路分析

对于最大值,K个最大这种场景,优先队列(堆)是首先该考虑的思路。

大根堆可以帮我们实时维护一系列元素的最大值

具体执行:

  • 先将数组的前K个元素放入大根堆中,此时最大值为堆顶元素
  • 每当窗口右移时,将新元素放入大根堆中,此时最大值可能不在滑动窗口中
    最大值为滑动窗口的前一个元素,此时需要将堆顶元素移除,直到堆顶元素在滑动窗口中
    最大值为滑动窗口中的元素,此时最大值就是堆顶元素
  • 为了方便判断堆顶元素与滑动窗口的位置关系,我们可以在有限队列中存储二元组(num, index),表示元素 num 在数组中的下标为 index

代码实现

python 复制代码
import heapq

class Solution:
    def maxSlidingWindow(self, nums: List[int], k: int) -> List[int]:
        n = len(nums)
        ans = []
        # 注意 Python 默认的优先队列是小根堆
        # pyhton 中(int,int)可正常比较大小 (1, 0) < (2, 0), (1, 0) < (1, 1)
        heap = [(-nums[i], i) for i in range(k)]
        heapq.heapify(heap)

        ans.append(-heap[0][0])
        for i in range(n-k):
            heapq.heappush(heap, (-nums[i+k], i+k))
            # 移除堆顶元素,直到堆顶元素在滑动窗口中
            while heap[0][1] <= i:
                heapq.heappop(heap)
            ans.append(-heap[0][0])

        return ans
相关推荐
Y1nhl1 小时前
力扣_二叉树的BFS_python版本
python·算法·leetcode·职场和发展·宽度优先
向阳逐梦2 小时前
PID控制算法理论学习基础——单级PID控制
人工智能·算法
2zcode2 小时前
基于Matlab多特征融合的可视化指纹识别系统
人工智能·算法·matlab
Owen_Q3 小时前
Leetcode百题斩-二分搜索
算法·leetcode·职场和发展
矢志航天的阿洪3 小时前
蒙特卡洛树搜索方法实践
算法
UnderTheTime3 小时前
2025 XYD Summer Camp 7.10 筛法
算法
zstar-_3 小时前
Claude code在Windows上的配置流程
笔记·算法·leetcode
圆头猫爹4 小时前
第34次CCF-CSP认证第4题,货物调度
c++·算法·动态规划
秋说4 小时前
【PTA数据结构 | C语言版】出栈序列的合法性
c语言·数据结构·算法
用户40315986396634 小时前
多窗口事件分发系统
java·算法