1.4 队列（1）

---

套路

• 暂无

---

注意点

• 一定要注意删除队列中元素前要判空，防止抛异常
• poll（）、peek（）都是队头的操作，add（）是队尾的操作

---

目录

• 滑动窗口的最大值（双端队列 LinkedList / ArrayDeque）

---

滑动窗口的最大值

给定一个数组和滑动窗口的大小，找出所有滑动窗口里数值的最大值。例如，如果输入数组{2,3,4,2,6,2,5,1}及滑动窗口的大小3，那么一共存在6个滑动窗口，他们的最大值分别为{4,4,6,6,6,5}； 针对数组{2,3,4,2,6,2,5,1}的滑动窗口有以下6个： {[2,3,4],2,6,2,5,1}， {2,[3,4,2],6,2,5,1}， {2,3,[4,2,6],2,5,1}， {2,3,4,[2,6,2],5,1}， {2,3,4,2,[6,2,5],1}， {2,3,4,2,6,[2,5,1]}。

• 最优解：构建双端队列，左边删除超出窗口的队头元素，右边队尾小于等于最新元素则删除，直到队尾元素大于要添加的新元素或者队列为空时，加入队尾元素到队尾，这样能保证每趟队列最左边是符合条件的窗口最大值。时间复杂度为 O(n)

public ArrayList maxInWindows(int [] num, int size) {
    ArrayList res = new ArrayList<>();
    LinkedList q = new LinkedList<>();
    if (num == null || num.length == 0 || size <= 0) {
        return res;
    }
    q.add(0);
    if (size == 1) {
        res.add(num[0]);
    }
    for (int i = 1; i < num.length; i++) {
        while (!q.isEmpty() && q.peek() <= i - size) {
            q.poll();
        }
        while (!q.isEmpty() && num[i] >= num[q.peekLast()]) {
            q.pollLast();
        }
        q.add(i);
        if (i + 1 >= size) {
            res.add(num[q.peek()]);
        }
    }
    return res;
}

---