当前位置: 首页 > news >正文

LeetCode 239:滑动窗口最大值

LeetCode 239:滑动窗口最大值

在这里插入图片描述

问题定义与核心挑战

给定整数数组 nums 和窗口大小 k,需返回每个滑动窗口的最大值。例如:

  • 输入:nums = [1,3,-1,-3,5,3,6,7], k=3
  • 输出:[3,3,5,5,6,7]

核心挑战:

  • 暴力法缺陷:直接遍历每个窗口(共 n-k+1 个),每个窗口遍历 k 个元素,时间复杂度 O(nk),当 n=10^5 时会超时。
  • 高效数据结构:需快速维护窗口内的最大值,支持新增元素移除过期元素操作。

核心思路:单调队列(双端队列)

利用 单调递减队列 维护窗口内的元素索引,确保:

  1. 队列内元素对应的值单调递减:队首始终是当前窗口的最大值。
  2. 队列内仅保留当前窗口的有效元素:移除窗口左侧的过期索引。

算法步骤详解

步骤 1:初始化单调队列

使用双端队列(Deque)存储元素索引(而非值),便于判断元素是否在窗口内。

Deque<Integer> deque = new LinkedList<>();
步骤 2:遍历数组,维护单调队列

遍历每个元素 nums[i],执行以下操作:

2.1 移除队列尾部的较小元素

当新元素 nums[i] 大于队列尾部元素对应的值时,尾部元素不可能成为当前或未来窗口的最大值(因为新元素更大且更晚离开窗口),故移除尾部元素,直到队列为空或尾部元素更大。

while (!deque.isEmpty() && nums[i] >= nums[deque.getLast()]) {deque.removeLast();
}
deque.addLast(i); // 将当前元素索引加入队列
2.2 移除队列头部的过期元素

窗口的左边界为 i - k + 1(当遍历到 i 时,窗口覆盖 [i-k+1, i])。若队首元素的索引小于左边界,说明该元素已不在窗口内,需移除。

int left = i - k + 1;
while (!deque.isEmpty() && deque.getFirst() < left) {deque.removeFirst();
}
2.3 记录窗口最大值

当遍历到 i >= k-1(即窗口已形成)时,队首元素即为当前窗口的最大值(因队列单调递减)。

if (i >= k-1) {result[resultIndex++] = nums[deque.getFirst()];
}

完整代码(Java)

import java.util.Deque;
import java.util.LinkedList;class Solution {public int[] maxSlidingWindow(int[] nums, int k) {if (nums == null || k == 0) return new int[0];int n = nums.length;int[] result = new int[n - k + 1];int resultIndex = 0;Deque<Integer> deque = new LinkedList<>(); // 存储索引,对应值单调递减for (int i = 0; i < n; i++) {// 步骤1:移除队列尾部所有比当前元素小的索引(保持单调递减)while (!deque.isEmpty() && nums[i] >= nums[deque.getLast()]) {deque.removeLast();}deque.addLast(i); // 加入当前元素索引// 步骤2:移除队首的过期索引(不在当前窗口内)int left = i - k + 1;while (!deque.isEmpty() && deque.getFirst() < left) {deque.removeFirst();}// 步骤3:当窗口形成时,记录最大值(队首元素)if (i >= k - 1) {result[resultIndex++] = nums[deque.getFirst()];}}return result;}
}

关键逻辑解析

1. 单调队列的维护逻辑
  • 尾部移除:确保队列内元素单调递减,新元素只与队尾比较,保证复杂度 O(1)(每个元素入队、出队各一次)。
  • 头部移除:仅当队首元素是窗口左侧的过期元素时才移除,保证队列内始终是当前窗口的有效元素。
2. 为什么存储索引而非值?
  • 需判断元素是否在窗口内(通过索引比较),而值无法提供位置信息。
3. 窗口形成的时机
  • i >= k-1 时,窗口 [i-k+1, i] 首次形成(如 k=3i=2 时窗口是 [0,2]),之后每次遍历都需记录最大值。

示例验证(以示例 1 为例)

输入nums = [1,3,-1,-3,5,3,6,7], k=3

遍历索引 i元素 nums[i]队列操作前移除尾部较小元素加入队列移除过期元素窗口是否形成结果数组
01[]-[0]--
13[0]移除 0(1<3)[1]--
2-1[1]-[1,2]-是(i=2≥2)[3]
3-3[1,2]-[1,2,3]队首1≥0(3-3+1=0)是(i=3≥2)[3,3]
45[1,2,3]移除3(-3<5)→ 移除2(-1<5)→ 移除1(3<5)[4]队首4≥1(4-3+1=1)是(i=4≥2)[3,3,5]
53[4]-[4,5]队首4≥2(5-3+1=2)是(i=5≥2)[3,3,5,5]
66[4,5]移除5(3<6)→ 移除4(5<6)[6]队首6≥3(6-3+1=3)是(i=6≥2)[3,3,5,5,6]
77[6]移除6(6<7)[7]队首7≥4(7-3+1=4)是(i=7≥2)[3,3,5,5,6,7]

复杂度分析

  • 时间复杂度O(n)。每个元素入队、出队各一次,双端队列操作均为 O(1)
  • 空间复杂度O(k)。队列最多存储 k 个元素(窗口大小)。

该方法通过 单调队列 高效维护窗口内的最大值,将时间复杂度从 O(nk) 降至 O(n),是处理滑动窗口最值问题的经典方案。

http://www.xdnf.cn/news/1199791.html

相关文章:

  • 模拟实现python的sklearn库中的Bunch类以及 load_iris 功能
  • RocksDB 高效采样算法:水塘抽样和随机寻址
  • WAIC 2025 热点解读:如何构建 AI 时代的“视频神经中枢”?
  • [N1盒子] 斐讯盒子N1 T1通用刷机包(可救砖)
  • SpringBoot 整合 Langchain4j AIService 深度使用详解
  • Valgrind Helgrind 工具全解:线程同步的守门人
  • 编程语言Java——核心技术篇(五)IO流:数据洪流中的航道设计
  • JavaWeb(苍穹外卖)--学习笔记13(微信小程序开发,缓存菜品,Spring Cache)
  • Java中get()与set()方法深度解析:从封装原理到实战应用
  • 8. 状态模式
  • 零基础 “入坑” Java--- 十五、字符串String
  • 一场关于电商零售增长破局的深圳探索
  • 金融科技中的跨境支付、Open API、数字产品服务开发、变革管理
  • 【Ollama】大模型本地部署与 Java 项目调用指南
  • 字符串是数据结构还是数据类型?
  • 基于Prometheus+Grafana的分布式爬虫监控体系:构建企业级可观测性平台
  • Git Commit 生成与合入 Patch 指南
  • java--WebSocket简单介绍
  • 多模态视觉语言模型FILA-细粒度分辨率融合策略
  • [10月考试] B
  • Flutter 生命周期介绍
  • 基于Java的KTV点歌系统的设计与实现
  • 电商项目_核心业务_分布式ID服务
  • [STM32][HAL]stm32wbxx 超声波测距模块实现(HY-SRF05)
  • selenium完整版一览
  • 三、搭建springCloudAlibaba2021.1版本分布式微服务-springcloud loadbalancer负载均衡
  • git 提交时排除一个或多个文件
  • 【H264视频编码】一、基本概念
  • 沪深L2逐笔十档委托队列分时Tick历史数据分析处理
  • 集合框架学习