LeetCode146 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。

思路总结:DlinkNode结构体创建双链表,双链表有key和val;

pre和next指针,并且进行初始化。

哈希表cache存着key和双链表节点

初始化head和tail(head和tail并不存储实际数据)

在LRUCache函数中 要clear哈希表,并且把tail加进双链表

在addNode中 如果有 可以直接返回 如果没有就需要弄个cur

把cur放到head的后面最佳

在deltNode中 如果没有 可以直接返回 如果有就erase他

删除的操作就是把他的前后找到 然后前后接上 把他悬挂

在get操作中,如果没有这个 返回-1;

如果有 就要先给他deletNode 再给他addNode

在put操作中,如果有,就先deletNode 再addNode

如果没有,就看看现在的哈希表是不是等于容量

如果等于容量:那就把tail前一个给他deleNode了

如果不等于容量:简单直接addNode。

cpp 复制代码
struct DlinkNode{
    int key;
    int val;
    DlinkNode*pre;
    DlinkNode*next;
    DlinkNode():key(-1),val(-1),next(nullptr),pre(nullptr){}
    DlinkNode(int _key,int _val):key(_key),val(_val),next(nullptr),pre(nullptr){}
};
class LRUCache {
private:
unordered_map<int,DlinkNode*>cache;
    DlinkNode*head;
    DlinkNode*tail;
    int limit;
public:
    LRUCache(int capacity) {
        limit=capacity;
        cache.clear();
        head=new DlinkNode();
        tail=new DlinkNode();
        head->next=tail;
        tail->pre=head;
    }
    
    int get(int key) {
        if(!cache.count(key)){
            return -1;
        }
        int val=cache[key]->val;
        deltNode(key);
        addNode(key,val);
        return val;
    }
    
    void put(int key, int value) {
        if(cache.count(key)){
            deltNode(key);
            addNode(key,value);
        }else{
            if(cache.size()==limit){
                deltNode(tail->pre->key);
                addNode(key,value);
            }else{
                addNode(key,value);
            }
        }
    }
    void addNode(int key,int val){//添加
        //在头部添加
        if(cache.count(key)){
            return;
        }
        DlinkNode*cur=new DlinkNode(key,val);
        cur->next=head->next;
        head->next->pre=cur;
        cur->pre=head;
        head->next=cur;
        cache[key]=cur;
    }
    void deltNode(int key){//删除
        if(!cache.count(key)){
            return;
        }
        DlinkNode*cur=cache[key];
        cache.erase(key);
        DlinkNode*front=cur->pre;
        DlinkNode*back=cur->next;
        front->next=back;
        back->pre=front;
        cur->pre=nullptr;
        cur->next=nullptr;
    }
};
相关推荐
silence2506 分钟前
深入了解 Reactor:响应式编程的利器
java·spring
打鱼又晒网12 分钟前
Linux网络 | 网络计算器客户端实现与Json的安装以及使用
linux·c++·网络协议·计算机网络
weixin_SAG16 分钟前
21天掌握javaweb-->第19天:Spring Boot后端优化与部署
java·spring boot·后端
m0_7482475519 分钟前
SpringMVC跨域问题解决方案
java
Elcker20 分钟前
KOI技术-事件驱动编程(Sping后端)
java·spring·架构
GitNohup22 分钟前
Spring boot处理跨域问题
java·spring boot·跨域
Just_Paranoid34 分钟前
使用 IDE生成 Java Doc
java·开发语言·ide
西海天际蔚蓝1 小时前
递归查询全量分页数据问题
java
俎树振1 小时前
深入理解与优化Java二维数组:从定义到性能提升的全面指南
java·算法
DARLING Zero two♡1 小时前
【优选算法】Sliding-Chakra:滑动窗口的算法流(上)
java·开发语言·数据结构·c++·算法