146. LRU 缓存

请你设计并实现一个满足 LRU (最近最少使用) 缓存约束的数据结构。

实现 LRUCache 类:

LRUCache(int capacity) 以 正整数 作为容量 capacity 初始化 LRU 缓存

int get(int key) 如果关键字 key 存在于缓存中,则返回关键字的值,否则返回 -1 。

void put(int key, int value) 如果关键字 key 已经存在,则变更其数据值 value ;如果不存在,则向缓存中插入该组 key-value 。如果插入操作导致关键字数量超过 capacity ,则应该 逐出 最久未使用的关键字。
函数 get 和 put 必须以 O(1) 的平均时间复杂度运行。

示例:

输入
**["LRUCache", "put", "put", "get", "put", "get", "put", "get", "get", "get"]

\[2\], \[1, 1\], \[2, 2\], \[1\], \[3, 3\], \[2\], \[4, 4\], \[1\], \[3\], \[4\]

输出

null, null, null, 1, null, -1, null, -1, 3, 4\]** 解释 LRUCache lRUCache = new LRUCache(2); lRUCache.put(1, 1); // 缓存是 {1=1} lRUCache.put(2, 2); // 缓存是 {1=1, 2=2} lRUCache.get(1); // 返回 1 lRUCache.put(3, 3); // 该操作会使得关键字 2 作废,缓存是 {1=1, 3=3} lRUCache.get(2); // 返回 -1 (未找到) lRUCache.put(4, 4); // 该操作会使得关键字 1 作废,缓存是 {4=4, 3=3} lRUCache.get(1); // 返回 -1 (未找到) lRUCache.get(3); // 返回 3 lRUCache.get(4); // 返回 4 提示: * 1 \<= capacity \<= 3000 * 0 \<= key \<= 10000 * 0 \<= value \<= 105 * 最多调用 2 \* 105 次 get 和 put ```cpp class LRUCache { public: LRUCache(int capacity) { m_capacity = capacity; } int get(int key) { if (!key2node.count(key)) return -1; //将cache中从key2node[key]开始指导cache末尾的元素移动到cache.begin前 cache.splice(cache.begin(), cache, key2node[key]); return key2node[key]->second; } void put(int key, int value) { //存在,则擦除实际存储元素 if (key2node.count(key)) cache.erase(key2node[key]); //检查当前是否达到的最大容量,如果是,则擦除最近最少使用的尾部元素,同时清除存储的元素 if (cache.size()==m_capacity){ key2node.erase(cache.back().first); cache.pop_back(); } //插入元素 cache.push_front({ key,value }); //更新最近使用的元素 key2node[key] = cache.begin(); } private: int m_capacity; //key2node哈希表,key映射一个迭代器,指向cache中{ key,value } unordered_map>::iterator> key2node; //cache双向链表,保存{ key,value } list> cache; }; ```

相关推荐
灵感__idea21 小时前
Hello 算法:众里寻她千“百度”
前端·javascript·算法
Wect1 天前
LeetCode 130. 被围绕的区域:两种解法详解(BFS/DFS)
前端·算法·typescript
NAGNIP2 天前
一文搞懂深度学习中的通用逼近定理!
人工智能·算法·面试
端平入洛2 天前
delete又未完全delete
c++
颜酱2 天前
单调栈:从模板到实战
javascript·后端·算法
CoovallyAIHub2 天前
仿生学突破:SILD模型如何让无人机在电力线迷宫中发现“隐形威胁”
深度学习·算法·计算机视觉
CoovallyAIHub2 天前
从春晚机器人到零样本革命:YOLO26-Pose姿态估计实战指南
深度学习·算法·计算机视觉
CoovallyAIHub2 天前
Le-DETR:省80%预训练数据,这个实时检测Transformer刷新SOTA|Georgia Tech & 北交大
深度学习·算法·计算机视觉
CoovallyAIHub2 天前
强化学习凭什么比监督学习更聪明?RL的“聪明”并非来自算法,而是因为它学会了“挑食”
深度学习·算法·计算机视觉
CoovallyAIHub2 天前
YOLO-IOD深度解析:打破实时增量目标检测的三重知识冲突
深度学习·算法·计算机视觉