11_滑动窗口最大值
1.01_设计一个有getMin功能的栈2.02_由两个栈组成的队列3.03_如何仅用递归函数和栈操作逆序一个栈4.04_猫狗队列5.05_用一个栈实现另一个栈的排序6.06_用栈来求解汉诺塔问题7.07_用队列实现栈8.09_删除字符串中的所有相邻重复项9.08_ 有效的括号10.10_逆波兰表达式求值
11.11_滑动窗口最大值
12.12_前K个高频元素13.01_移除链表元素14.02_设计链表15.03_反转链表16.04_两两交换链表中的节点17.05_删除链表的倒数第N个节点18.06_链表相交19.07_环形链表20.01_二叉树的递归遍历21.二叉树理论基础22.02_二叉树的迭代遍历23.04_二叉树的层序遍历24.05_二叉树的层次遍历II25.06_二叉树的右视图26.07_二叉树的层平均值27.08_N叉树的层序遍历28.09_每个行中找最大值29.10_填充每个节点的下一个右侧节点指针30.11_二叉树的最大深度31.12_二叉树的最小深度32.13_翻转二叉树33.14_对称二叉树34.15_完全二叉树的节点个数35.16_平衡二叉树36.17_二叉树的所有路径37.18_左叶子之和38.19_找树左下角的值39.20_路径总和40.21_从中序与后序遍历序列构造二叉树41.22_最大二叉树42.23_合并二叉树43.24_二叉搜索树中的搜索44.27_二叉搜索树的众数45.28_二叉树的最近公共祖先46.29_二叉搜索树中的插入操作47.30_删除二叉搜索树中的节点48.31_修剪二叉搜索树49.32_将有序数组转换为平衡二叉搜索树50.33_把二叉搜索树转换为累加树51.动态规划理论52.01_斐波那契数列53.02_爬楼梯54.03_使用最小花费爬楼梯55.04_不同路径56.05_不同路径2(带障碍物版)57.06_整数拆分58.08_杨辉三角59.10_最后一块石头的重量60.09_分割等和子集61.74_搜索二维矩阵滑动窗口最大值
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] <= 104
1 <= k <= nums.length
【思路】
需要设计单调队列,维护元素配合窗口进行滑动。
设计单调队列的时候,pop和push操作要保持如下规则:
1.pop(value):如果窗口移除的元素value等于单调队列的出口元素,那么队列弹出元素,否则不用任何操作
2.push(value):如push的元素value大于入口元素的值,那么就将队列入口的元素弹出,直到push元素的数值小于等于队列入口元素的数值为止
保持如上规则,每次窗口移动的时候,只要访问queue.front()就可以返回当前窗口的最大值。
// 滑动窗口的最大值
//解法一
//自定义数组
class MyQueue {
Deque<Integer> deque = new LinkedList<>();
// 弹出元素时,比较当前要弹出的数值是否等于队列出口的数值,如果相等则弹出
// 同时要判断队列当前是否为空
void poll(int val) {
if (!deque.isEmpty() && val == deque.peek()) {
deque.poll();
}
}
// 添加元素时,如果要添加的元素大于入口处的元素,就将入口元素弹出
// 保证队列元素单调递减
// 比如此时队列元素3,1, 2将要入队,比1大,所以1弹出,此时队列:3,2
void add(int val) {
while (!deque.isEmpty() && val > deque.getLast()) {
deque.removeLast();
}
deque.add(val);
}
// 队列对顶元素始终为最大值
int peek() {
return deque.peek();
}
}
public class MaxSlidingWindow {
public int[] maxSlidingWindow(int[] nums, int k) {
if (nums.length == 1) {
return nums;
}
// 最终返回的窗口最大值的长度
int len = nums.length - k + 1;
// 存放结果元素的数组
int[] res = new int[len];
int num = 0;
// 自定义队列
MyQueue myQueue = new MyQueue();
// 先将前k的元素放入队列
for (int i = 0; i < k; i++) {
myQueue.add(nums[i]);
}
res[num++] = myQueue.peek();
for (int i = k; i < nums.length; i++) {
// 滑动窗口移除最前面的元素,移除是判断该元素是够放入队列
myQueue.poll(nums[i - k]);
// 滑动窗口加入最后面的元素
myQueue.add(nums[i]);
// 记录对应的最大值
res[num++] = myQueue.peek();
}
return res;
}
}
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· TypeScript + Deepseek 打造卜卦网站:技术与玄学的结合
· Manus的开源复刻OpenManus初探
· AI 智能体引爆开源社区「GitHub 热点速览」
· 从HTTP原因短语缺失研究HTTP/2和HTTP/3的设计差异
· 三行代码完成国际化适配,妙~啊~