leetcode-239. 滑动窗口最大值

239. 滑动窗口最大值

这个题属于滑动窗口,维护一个定长的窗口,但是需要用到一个重要的知识就是单调队列。单调队列是怎么实现的呢?遍历到一个元素,和队尾的元素进行比较,如果队尾的元素比当前元素要小,就移除去。直到当前的队尾元素比当前元素要大,然后把当前元素追加到队尾。那么这个队列的队头一定是当前窗口最大的元素。

通俗点说,就是当前这个数索引更大,在窗口更靠后,和前面的元素相比,可以存在更久的时间,那么那些索引更小,值也更小的元素就没有价值了。所以要移除去。如果存在索引小,但是又比当前元素大的。虽然它存在的时间更短,但是它更强大,所以依然有价值,就要保留下来。

具体的代码实现如下,需要注意的是,移除队尾元素需要使用while。移除所有比当前元素值小的元素,而不是仅仅移除最后一个。移除之后直接把当前元素追加到队尾即可。随后检查现在队头的元素有没有在窗口之外,在窗口之外就不合法了,要移除。移除之后窗口内的元素都是合法的,然后更新答案,队头就是当前窗口最大的元素。

还有一个细节就是要注意队列里面,我们存的应该是数组的索引,而不是具体的值,如果存具体的值,后续就不知道这个数字的索引是否合法了,而存索引,我们依然能根据索引找到对应的值。

复制代码
from collections import deque
class Solution:
    def maxSlidingWindow(self, nums: List[int], k: int) -> List[int]:
        dq=deque()
        res=[]
        for i,num in enumerate(nums):
            while dq and num>=nums[dq[-1]]:
                dq.pop()
            dq.append(i)
            while dq[0]<=i-k:
                dq.popleft()
            if i>=k-1:
                res.append(nums[dq[0]])
        return res
相关推荐
benchmark_cc4 小时前
1000只ETF的5分钟K线如何批量获取?QuantDash分页策略与高性能Python实践
开发语言·人工智能·爬虫·python·算法·quantdash·量化数据源
sel_94 小时前
【PEFT】参数高效微调(PEFT)技术详解:从原理到 LoRA/QLoRA 实战
人工智能·python·深度学习·算法·机器学习·参数高效微调
我星期八休息4 小时前
Linux I/O多路转接—epoll
java·linux·运维·服务器·开发语言·jvm·算法
阳明山水5 小时前
Mamba与两阶段XGBoost的融合架构:面向间歇性需求的双路径预测框架
人工智能·深度学习·算法·机器学习·架构
水上冰石5 小时前
【MuJoCo从入门到精通】第2章 第一个 MuJoCo 仿真
前端·人工智能·算法
wenyq75 小时前
LeetCode 2904. Shortest and Lexicographically Smallest Beautiful String
算法·leetcode
维克兜率天5 小时前
【维克】技术指标是什么:从均线到MACD的数学原理
人工智能·笔记·python·算法·量化
Messy create5 小时前
【储能系统三大核心】
网络·stm32·单片机·算法·能源
sel_96 小时前
【vLLM】vLLM 推理框架详解:从 PagedAttention 到生产级部署实战
人工智能·深度学习·算法·语言模型·框架·vllm
XR1234567886 小时前
办公大楼组网选型决策树:TCO 与三大品牌优劣对比总结
算法·决策树·机器学习