力扣100题——栈和堆

每日温度

题目

739. 每日温度 - 力扣(LeetCode)

思路

利用栈先进后出的特性

  • 首先当栈为空时,元素入栈
  • 当栈不为空,并且temperatures[i]大于temperatures[stack.peek()]时,不断更新result数组的值,直到栈中元素温度大于当前温度或者栈为空时停止

代码

java 复制代码
 public int[] dailyTemperatures(int[] temperatures) {
        int[] result = new int[temperatures.length];
        Stack<Integer> stack = new Stack<>();
        for (int i = 0; i < temperatures.length; i++) {
            if(stack.isEmpty()){
                stack.push(i);
                continue;
            }
            while(!stack.isEmpty()&&temperatures[i]>temperatures[stack.peek()]) {
                result[stack.peek()] = i - stack.peek();
                stack.pop();
            }
            stack.push(i);
        }
        while(!stack.empty()){
            result[stack.pop()]=0;
        }
        return result;
    }

最小栈

题目

155. 最小栈 - 力扣(LeetCode)

思路

使用两个栈,一个栈存储元素,一个栈同步存储当前栈中的最小值。

在push和pop的时候同时更新minStack,在getMin时返回minStack的元素即可

代码

java 复制代码
class MinStack {
    private Stack<Integer> stack;
    private Stack<Integer> minStack;

    public MinStack() {
        stack = new Stack<>();
        minStack = new Stack<>();
        minStack.push(Integer.MAX_VALUE);
    }
    
    public void push(int val) {
        stack.push(val);
        minStack.push(Math.min(val, minStack.peek()));
    }
    
    public void pop() {
        stack.pop();
        minStack.pop();
    }
    
    public int top() {
        return stack.peek();
    }
    
    public int getMin() {
        return minStack.peek();
    }
}

柱状图中最大的矩形

题目

84. 柱状图中最大的矩形 - 力扣(LeetCode)

思路

解题思路
  • 暴力解法:对于每根柱子,向左、向右找到第一个比它小的柱子,计算宽度,然后计算面积。这个方法时间复杂度为 O(n²),效率较低。

  • 优化解法(单调栈):通过单调递增栈来存储柱子的索引,栈中的柱子高度按从小到大的顺序排列。每当遇到一个比栈顶柱子高度低的柱子时,弹出栈顶,计算以该柱子为最短边的矩形的面积。

单调栈方法详细步骤
  1. 遍历数组:对于每一个柱子,如果当前柱子高度小于栈顶柱子的高度,说明以栈顶柱子为最短边的矩形的右边界确定了。
  2. 计算面积
    • 弹出栈顶元素,计算以该元素为高度的矩形面积。
    • 宽度为弹出元素的左右两边第一个小于它的元素之间的距离(可以通过栈内索引计算)。
  3. 更新最大面积:更新最大矩形面积。
  4. 处理完数组后:继续处理栈中剩余的柱子,计算它们对应的矩形面积。

代码

java 复制代码
public int largestRectangleArea(int[] heights) {
        if(heights == null || heights.length == 0){
            return 0;
        }
        if(heights.length == 1){
            return heights[0];
        }
        Stack<Integer> stack = new Stack<>();
        int max = 0;
        for(int i=0;i<=heights.length;i++){
            int h = (i == heights.length)?0:heights[i];
            while(!stack.isEmpty()&&heights[stack.peek()]>h){
                int height = heights[stack.pop()];
                int width = stack.isEmpty()?i:i - stack.peek()-1;
                max = Math.max(max,height*width);
            }
            stack.push(i);
        }
        return max;
    }

(Heap)是一种特殊的树形数据结构,它满足以下两个主要性质:

  1. 完全二叉树:堆必须是一棵完全二叉树。即除了最后一层外,每一层的节点都是满的,且最后一层的节点从左到右依次填充。
  2. 堆的性质
    • 最大堆(Max Heap):对于最大堆,任意节点的值总是大于或等于其子节点的值,也就是说,堆顶(根节点)是整个堆中最大的元素。
    • 最小堆(Min Heap):对于最小堆,任意节点的值总是小于或等于其子节点的值,即堆顶是最小的元素。

数组中的第K个最大值

题目

215. 数组中的第K个最大元素 - 力扣(LeetCode)

思路

  • 使用一个大小为 k最小堆 来存储数组中的前 k 个元素。
  • 遍历数组中的每个元素:
    • 如果堆的大小小于 k,直接将当前元素加入堆。
    • 如果堆的大小等于 k,且当前元素大于堆顶元素(堆顶是堆中的最小元素),则弹出堆顶元素,插入当前元素。
  • 遍历结束后,堆顶元素就是数组中第 k 大的元素,因为堆中存储了 k 个最大的元素,而堆顶是最小的那个。

代码

java 复制代码
public int findKthLargest(int[] nums, int k) {
        PriorityQueue<Integer> queue = new PriorityQueue<>();
        for (int num : nums) {
            if (queue.size() < k) {
                queue.offer(num);
            } else if(queue.peek() < num) {
                queue.poll();
                queue.offer(num);
            }
        }
        return queue.peek();
    }

前K个高频元素

题目

347. 前 K 个高频元素 - 力扣(LeetCode)

思路

  • 使用最小堆+哈希表
  • 思路和上一题基本一致,变的是堆中存储的元素。

代码

java 复制代码
public int[] topKFrequent(int[] nums, int k) {
        HashMap<Integer,Integer> map = new HashMap<>();
        for(int num : nums){
            if(map.containsKey(num)){
                map.put(num,map.get(num)+1);
            }else {
                map.put(num,1);
            }
        }
        PriorityQueue<Map.Entry<Integer, Integer>> minHeap = new PriorityQueue<>(k,
                Comparator.comparingInt(Map.Entry::getValue));
        for (Map.Entry<Integer, Integer> entry : map.entrySet()) {
            if(minHeap.size() < k){
                minHeap.add(entry);
            }else if(minHeap.peek().getValue() < entry.getValue()){
                minHeap.poll();
                minHeap.add(entry);
            }
        }
        int[]  result = new int[k];
        for(int i=0;i<k;i++){
            result[i] = minHeap.poll().getKey();
        }
        return result;
    }

数据流中的中位数

题目

295. 数据流的中位数 - 力扣(LeetCode)

思路

  • 最大堆维护较小的一半元素(左半部分),堆顶是这部分的最大值。
  • 最小堆维护较大的一半元素(右半部分),堆顶是这部分的最小值。
  • 中位数可以根据两个堆的大小情况动态获取:
    • 如果元素总数是奇数,最大堆的堆顶元素就是中位数。
    • 如果元素总数是偶数,则中位数是最大堆堆顶和最小堆堆顶的平均值

代码

java 复制代码
class MedianFinder {
    private Queue<Integer> minQueue;
    private Queue<Integer> maxQueue;

    public MedianFinder() {
        minQueue = new PriorityQueue<>(Collections.reverseOrder());
        maxQueue = new PriorityQueue<>();
    }
    
    public void addNum(int num) {
        maxQueue.offer(num);
        minQueue.offer(maxQueue.poll());
        if (minQueue.size() > maxQueue.size()) {
            maxQueue.offer(minQueue.poll());
        }
    }
    
    public double findMedian() {
        if(minQueue.size() < maxQueue.size()) {
            return maxQueue.peek();
        }else {
            return (minQueue.peek()+maxQueue.peek())/2.0;
        }
    }
}
相关推荐
肥猪猪爸1 分钟前
使用卡尔曼滤波器估计pybullet中的机器人位置
数据结构·人工智能·python·算法·机器人·卡尔曼滤波·pybullet
色空大师4 分钟前
23种设计模式
java·开发语言·设计模式
闲人一枚(学习中)4 分钟前
设计模式-创建型-建造者模式
java·设计模式·建造者模式
readmancynn13 分钟前
二分基本实现
数据结构·算法
萝卜兽编程15 分钟前
优先级队列
c++·算法
2202_7544215422 分钟前
生成MPSOC以及ZYNQ的启动文件BOOT.BIN的小软件
java·linux·开发语言
盼海23 分钟前
排序算法(四)--快速排序
数据结构·算法·排序算法
蓝染-惣右介24 分钟前
【MyBatisPlus·最新教程】包含多个改造案例,常用注解、条件构造器、代码生成、静态工具、类型处理器、分页插件、自动填充字段
java·数据库·tomcat·mybatis
小林想被监督学习25 分钟前
idea怎么打开两个窗口,运行两个项目
java·ide·intellij-idea
HoneyMoose27 分钟前
IDEA 2024.3 版本更新主要功能介绍
java·ide·intellij-idea