Given an array nums, there is a sliding window of size k which is moving from the very left of the array to the very right. You can only see the k numbers in the window. Each time the sliding window moves right by one position.
For example,
Given nums = [1,3,-1,-3,5,3,6,7]
, and k = 3.
Window position Max --------------- ----- [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
Therefore, return the max sliding window as [3,3,5,5,6,7]
.
Note:
You may assume k is always valid, ie: 1 ≤ k ≤ input array's size for non-empty array.
Follow up:
Could you solve it in linear time?
给定一个数组 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 k 内的数字。滑动窗口每次只向右移动一位。
例如,
给定 nums = [1,3,-1,-3,5,3,6,7]
,和 k = 3 。
窗口位置 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
由此可见,返回最大的滑动窗口为:[3,3,5,5,6,7]
。
注意:
你可以假设 k 一直都是有效的,例如:1 ≤ k ≤ 输入数组的大小,输入数组不为空。
进阶:
你能在线性时间复杂度内解决此题吗?
假设nums的长度n,正常的思维是每次判断窗口内最大值,一共判断(n - k)次,每次个窗口内有k个元素,因此复杂度为
(n - k) * k ; 这样就不满足线性时间复杂度,我们来看看正常思维的解法是不是有重复操作,比如判断完第一个窗口的最大值,之后第二个窗口时,发现第一个窗口与第二个窗口相交的坐标重复判断了,那因此我们用一个双向链表来保存上一次窗口留下的最大值,次大值。。。链表首第一个元素为上一次窗口判断的最大值,尾第一个元素为最小值,如果来了一个nums的新元素,我们有四个操作:(链表存的是nums的index,也就是1,2,3,4....)
(1)如果这个元素比链表首第一个元素大(也就是比上一个窗口最大值大),我们就清空链表(为什么清空链表呢,因此链表中的历史元素都没有这个元素大,所以没有存在的价值了,随着时间的进行,窗口的移动,下一个元素只会和这个最大值进行判断);
(2)如果这个元素比链表首第一个元素小,我们就从链表尾进行判断,如果比链表尾元素大,删掉链表尾元素,重复次操作,直到比链表尾元素小;(为什么要删掉那些小元素呢,因为来了个新元素,这个新元素如果比历史的小元素大的话,随着时间的推进,也就是窗口的移动,那些历史的小元素没有用处,所以删掉即可;那为什么遇到队列尾部大元素就停止了呢,因此我们不确定在下一个新元素进来的时候,这个比当前值大的元素是否脱离了窗口,因此要保留,所以就有了第三个操作,即判断比当前值大的元素是否脱离了窗口,如果脱离了窗口的话,那么这个次大的元素就上台了);
(3)如果链表首元素的index脱离的滑动窗口,那么删掉链表首元素;
(4)进行完上面三次操作后,我们将这个元素从链表尾入表。
重复上面四个操作,直到遍历整个nums。
双向链表实现,由于每个元素只判断一次或两次,因此时间复杂度o(n)到o(2n)之间,为线性复杂度。
class Solution {
public:
vector<int> maxSlidingWindow(vector<int>& nums, int k) {
vector<int> ans;
if(nums.size() == 0) return ans;
list<int> dbList;
for(int i = 0; i < nums.size(); i++){
if(!dbList.empty() && nums[dbList.front()] < nums[i]) //操作一
dbList.clear();
while(!dbList.empty() && nums[dbList.back()] < nums[i]) //操作二
dbList.pop_back();
if(!dbList.empty() && dbList.front() == i - k) //操作三
dbList.pop_front();
dbList.push_back(i);
if((i+1)>=k)
ans.push_back(nums[dbList.front()]);
}
return ans;
}
};