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 ≤ n u m s . l e n g t h ≤ 1 0 5 1 \leq nums.length \leq 10^5 1≤nums.length≤105
- − 1 0 4 ≤ n u m s [ i ] ≤ 1 0 4 -10^4 \leq nums[i] \leq 10^4 −104≤nums[i]≤104
- 1 ≤ k ≤ n u m s . l e n g t h 1 \leq k \leq nums.length 1≤k≤nums.length
解法一(优先队列)
思路分析：
- 对于求滑动窗口的最大值，可以使用优先队列，其中的大根堆可以帮助我们实时维护一系列元素中的最大值
- 首先将
nums数组的前k个元素放入优先队列中，当向右移动窗口时，将新元素放入优先队列中，此时堆顶的元素是堆中所有元素的最大值，但是这个元素可能不在滑动窗口中 - 当最大值不在滑动窗口中时，需要判断该值在数组
nums的位置在滑动窗口左边界的左侧，所以在继续移动窗口时，若最大值不在滑动窗口中，则永久移除优先队列 - 不断移除堆顶的元素，直到堆顶元素在滑动窗口中，此时堆顶元素为滑动窗口中的最大值
- 为了方便判断堆顶元素是否在滑动窗口中，可以使用优先队列存储二元组
(num, index)，index为元素num在数组中的下标
实现代码如下：
java
class Solution {
public int[] maxSlidingWindow(int[] nums, int k) {
int n = nums.length; // 数组nums长度
// 创建 优先队列 并设置堆中元素比较方式
PriorityQueue<int[]> pq = new PriorityQueue<>(
(o1, o2) -> o1[0] != o2[0]? o2[0]-o1[0] : o2[1] - o1[1]
);
// 先将第一组滑动窗口 添加到优先队列中
for (int i = 0; i < k; ++ i) {
pq.offer(new int[]{nums[i], i});
}
int[] ans = new int[n-k+1]; // 返回最大值结果数组 且一共有n-k+1个窗口
ans[0] = pq.peek()[0];
// 移动滑动窗口 进行遍历
for (int i = k; i < n; ++ i) {
pq.offer(new int[]{nums[i], i}); // 将右窗口元素加入到优先队列中
while (pq.peek()[1] <= i-k) { // 将不在窗口内的最大值移除
pq.poll();
}
ans[i-k+1] = pq.peek()[0]; // 记录窗口内的最大值
}
return ans;
}
}提交结果：
解答成功:
执行耗时:90 ms,击败了11.01% 的Java用户
内存消耗:56.2 MB,击败了96.20% 的Java用户
复杂度分析：
- 时间复杂度： O ( n l o g n ) O(nlog_{}{n}) O(nlogn)，维护优先队列中堆顶最大值时间复杂度为 O ( l o g n ) O(log_{}{n}) O(logn)，同时需要遍历每个窗口的时间复杂度为 O ( n − k + 1 ) O(n-k+1) O(n−k+1)，所以综合得时间复杂度为 O ( n l o g n ) O(nlog_{}{n}) O(nlogn)
- 空间复杂度： O ( n ) O(n) O(n)，维护优先队列，保存数组中的元素
解法二(单调队列)
思路分析：
- 根据解法一进行优化，可以使用一个队列来维护没有被移除的数组元素的下标，并且这些下标对应的元素是严格单调递减的
- 当滑动窗口向右移动时，需要将一个新的元素放入队列中，此时需要新元素与队尾的元素比较，即如果队尾元素小于新元素，则永久移除，保证新的元素小于队尾的元素
- 且此时队首元素就是滑动窗口中的最大值，但是与解法一中一样，需要判断最大值是否在滑动窗口中，若不在则弹出，并继续进行判断
- 因为需要对队首和队尾的元素进行操作，所以使用双端队列来实现单调队列
实现代码如下：
java
class Solution {
public int[] maxSlidingWindow(int[] nums, int k) {
int n = nums.length; // 数组nums长度
Deque<Integer> deque = new ArrayDeque<>(); // 双端队列 用作维护单调队列
int[] ans = new int[n-k+1]; // 返回结果数组 且计算得滑动窗口数量为n-k+1
for (int i = 0; i < k; ++i) { // 将第一组滑动窗口元素加入队列中
// 将小于新元素的队尾元素 移除队列
while (!deque.isEmpty() && nums[i] >= nums[deque.peekLast()]) {
deque.pollLast();
}
deque.offerLast(i); // 将新元素添加到队尾
}
ans[0] = nums[deque.peekFirst()];
for (int i = k; i < n; ++i) {
// 将队尾小于新元素的数组元素 移除
while (!deque.isEmpty() && nums[i] >= nums[deque.peekLast()])
deque.pollLast();
deque.offerLast(i); // 将新元素添加到队尾
// 将队首 不在滑动窗口内的最大值移除
while (!deque.isEmpty() && deque.peekFirst() <= i-k)
deque.pollFirst();
ans[i-k+1] = nums[deque.peekFirst()];
}
return ans;
}
}提交结果如下：
解答成功:
执行耗时:30 ms,击败了60.89% 的Java用户
内存消耗:63.2 MB,击败了5.02% 的Java用户
复杂度分析：
- 时间复杂度： O ( n ) O(n) O(n)，对每个元素遍历一次，且每个元素进队和出队一次
- 空间复杂度： O ( n ) O(n) O(n)，使用双端队列维护单调队列