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 <= nums.length <= 105-104 <= nums[i] <= 1041 <= k <= nums.length
思路
1、创建一个大小为k的大顶堆,用pair<int,int>构建元素，第一个是数组的值，第二个是数组的下标。创建两个指针，left=0、right=k-1，把指针中间的数字先加入大顶堆，创建临时的vector用于存放最大值。
2、从堆顶拿一个元素，判断这个元素的下标是否是在left和right之间的，是则将元素放入答案中，否则将这个堆顶元素删除，继续获取堆顶元素，循环判断。
3、循环结束条件right要大于数组的下标时，结束循环。
cpp
class Solution {
public:
vector<int> maxSlidingWindow(vector<int>& nums, int k) {
vector<int> _ans;
int n=nums.size();
if(n<k) return _ans;
priority_queue<pair<int,int> > max_head;
for(int i=0;i<k;i++){
max_head.push({nums[i],i});
}
int left=0,right=k-1;
while(1){
pair<int,int> emit=max_head.top();
while(emit.second<left){
max_head.pop();
emit=max_head.top();
}
_ans.push_back(emit.first);
left++;
right++;
if(right>=n) break;
max_head.push({nums[right],right});
}
return _ans;
}
};
cpp
//priority_queue（优先队列）
#include <queue> // priority_queue 在 <queue> 头文件中
//创建大顶堆
std::priority_queue<pair<int,int>> pri_queue;
std::priority_queue<
int, // 元素类型
std::vector<int>, // 底层容器（必须是 vector 或 deque）
std::greater<int> // 比较器：小顶堆
> min_heap;
pair<int,int> emit;
//访问pair的第一个元素：emit.first
//访问pair的第二个元素：emit.second 基本函数
| 操作 | 函数 | O(log n) | 说明 |
|---|---|---|---|
| 插入元素 | push(value) | O(log n) | 插入元素到队列 |
| 删除堆顶 | pop() | O(log n) | 移除优先级最高的元素 |
| 访问堆顶 | top() | O(1) | 返回优先级最高的元素（不删除） |
| 判空 | empty() | O(1) | 队列是否为空 |
| 大小 | size() | O(1) | 元素个数 |
底层容器选 vector 和 deque 有什么区别？
priority_queue 支持 vector 和 deque 作为底层容器（也支持其他满足条件的序列容器，如 list 不支持随机访问，所以不行）。两者的区别主要体现在内存布局 和性能特征上：
| 对比维度 | std::vector<int> |
std::deque<int> |
|---|---|---|
| 内存布局 | 连续内存，所有元素存储在一块连续的空间中 | 分段内存，由多个固定大小的内存块组成 |
| 缓存友好性 | ✅ 极高，遍历/堆操作时 CPU 缓存命中率高 | ❌ 较差，元素分散在不同内存块，缓存命中率低 |
| 内存扩容 | 容量不足时会重新分配并拷贝/移动所有元素，可能导致迭代器失效 | 新增块时不会移动已有元素，迭代器不会失效 |
| 内存开销 | 较小，仅有一个动态数组的开销 | 较大，需要额外维护指向各个块的指针数组 |
| 尾部插入性能 | 均摊 O(1)，但扩容时有峰值开销 | 均摊 O(1)，无峰值开销 |
| 适用场景 | 优先推荐，性能更好 | 当需要避免扩容时移动开销巨大的元素类型时可选 |
推荐一个零声教育学习教程，个人觉得老师讲得不错，分享给大家：[Linux，Nginx，ZeroMQ，MySQL，Redis，fastdfs，MongoDB，ZK，流媒体，CDN，P2P，K8S，Docker，TCP/IP，协程，DPDK等技术内容，点击立即学习:链接