力扣(滑动窗口最大值)

解析 LeetCode 239. 滑动窗口最大值:双端队列的巧妙运用

一、题目分析

(一)问题定义

给定整数数组 nums 和滑动窗口大小 k,窗口从数组最左侧滑动到最右侧,返回每个窗口中的最大值。例如,nums = [1,3,-1,-3,5,3,6,7], k = 3 时,需返回 [3,3,5,5,6,7]

(二)核心挑战

  • 效率要求 :若直接对每个窗口遍历找最大值,时间复杂度为 O(n×k)O(n \times k)O(n×k)(n 是数组长度 ),当 n 较大时会超时。
  • 数据结构适配:需找到一种数据结构,能动态维护窗口内的最大值候选,支持快速添加新元素、移除过期元素、获取当前最大值。

二、算法思想:双端队列维护单调递减序列

(一)核心思路

利用双端队列存储窗口内元素的索引 ,且保证队列中索引对应的数组值单调递减。这样,队首元素始终是当前窗口的最大值索引。具体逻辑:

  1. 移除过期元素 :窗口右移时,若队首索引超出窗口左边界(i - k + 1 ),则移除队首。
  2. 维护单调递减:遍历到新元素时,移除队列中所有对应值小于当前元素的值的索引(因为它们不可能成为后续窗口的最大值 ),再将当前索引加入队列。
  3. 记录最大值 :当窗口形成(i >= k - 1 )时,队首索引对应的值即为当前窗口最大值,存入结果数组。

(二)双端队列的优势

  • 两端操作高效 :支持从队首移除过期元素,从队尾移除较小值的索引,均为 O(1)O(1)O(1) 操作。
  • 维护单调序列:确保队列中始终是当前窗口内可能成为最大值的候选,队首即为最大值。

三、代码实现与详细解析

java 复制代码
class Solution {
    public int[] maxSlidingWindow(int[] nums, int k) {
        // 处理特殊情况:数组为空或窗口大小不合法
        if (nums == null || nums.length == 0 || k <= 0) {
            return new int[0];
        }
        int n = nums.length;
        // 结果数组长度为 n - k + 1
        int[] result = new int[n - k + 1];
        int index = 0;
        // 双端队列存储索引,保持对应数值单调递减
        Deque<Integer> deque = new LinkedList<>();
        for (int i = 0; i < n; i++) {
            // 1. 移除队首超出窗口左边界的索引(窗口左边界:i - k + 1)
            while (!deque.isEmpty() && deque.peekFirst() < i - k + 1) {
                deque.pollFirst();
            }
            // 2. 移除队列中所有对应值小于当前元素的索引(保证单调递减)
            while (!deque.isEmpty() && nums[deque.peekLast()] < nums[i]) {
                deque.pollLast();
            }
            // 3. 当前元素索引加入队列尾部
            deque.offerLast(i);
            // 4. 当窗口形成(i >= k - 1),记录当前窗口最大值(队首索引对应的值)
            if (i >= k - 1) {
                result[index++] = nums[deque.peekFirst()];
            }
        }
        return result;
    }
}

(一)代码流程拆解

  1. 特殊情况处理 :若数组为空、长度为 0 或窗口大小 k 不合法,直接返回空数组。
  2. 初始化变量result 存储结果,长度为 n - k + 1deque 作为双端队列,存储元素索引。
  3. 遍历数组
    • 移除过期索引 :若队首索引小于窗口左边界(i - k + 1 ),说明该索引对应的元素已不在当前窗口,移除队首。
    • 维护单调递减:从队尾开始,移除所有对应值小于当前元素的索引(这些索引对应的元素不可能成为后续窗口的最大值 ),再将当前索引加入队尾。
    • 记录最大值 :当 i >= k - 1 时,窗口已形成,队首索引对应的值是当前窗口最大值,存入 result
  4. 返回结果 :遍历结束后,result 存储所有窗口的最大值,返回即可。

(二)关键逻辑解析

  • 窗口左边界计算 :窗口右边界是 i ,左边界为 i - k + 1 ,用于判断队首索引是否过期。
  • 单调递减维护 :通过 while 循环移除队尾所有小于当前元素的索引,确保队列中索引对应的数值始终单调递减。例如,当前元素是 5 ,队列中有 3-1 ,则移除这两个索引,再加入 5 的索引,保证队列单调。
  • 结果记录时机 :当 i >= k - 1 时,窗口首次形成(如 k=3 时,i=2 是第一个窗口 ),之后每次循环都记录当前窗口最大值。

四、复杂度分析

(一)时间复杂度

每个元素最多入队和出队一次,遍历数组的时间为 O(n)O(n)O(n) ,因此总体时间复杂度为 O(n)O(n)O(n) 。

(二)空间复杂度

双端队列最多存储 k 个元素(窗口大小 ),结果数组存储 n - k + 1 个元素,空间复杂度为 O(n)O(n)O(n) 。

相关推荐
胡小禾1 小时前
JDK17和JDK8的 G1
jvm·算法
胖咕噜的稞达鸭3 小时前
算法入门:专题攻克一---双指针(3)有效三角形的个数 查找总价格为目标值的两个商品(剑指offer题目)
算法
逻辑留白陈7 小时前
Adaboost进阶:与主流集成算法对比+工业级案例+未来方向
算法
Learn Beyond Limits8 小时前
Mean Normalization|均值归一化
人工智能·神经网络·算法·机器学习·均值算法·ai·吴恩达
天选之女wow8 小时前
【代码随想录算法训练营——Day28】贪心算法——134.加油站、135.分发糖果、860.柠檬水找零、406.根据身高重建队列
算法·leetcode·贪心算法
Gohldg8 小时前
C++算法·贪心例题讲解
c++·数学·算法·贪心算法
远远远远子8 小时前
类与对象 --1
开发语言·c++·算法
Aaplloo8 小时前
【无标题】
人工智能·算法·机器学习
西望云天9 小时前
The 2024 ICPC Asia Nanjing Regional Contest(2024南京区域赛EJKBG)
数据结构·算法·icpc
10岁的博客9 小时前
容器化安装新玩法
算法