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。
进阶:
你能在线性时间复杂度内解决此题吗?
示例:
输入: nums = [1,3,-1,-3,5,3,6,7], 和 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
提示:
1 <= nums.length <= 10^5
-10^4 <= nums[i] <= 10^4
1 <= k <= nums.length
当滑动窗口超出了最大值所在的索引,则重新计算最大值及索引位置。
当滑动窗口出现更大的最大值,则更新最大值及索引位置
class Solution {
public int[] maxSlidingWindow(int[] nums, int k) {
int n=nums.length;
if(k==1) return nums;
int index=findMaxIndex(nums,0,k-1);
int max=nums[index];
int[] res = new int[n-k+1];
res[0]=max;
//滑动窗口扫描更新
for(int i=k-1;i<n;i++){
//当超出最大值索引位置,重新计算窗口最大值及索引
if(i-k+1>index){
index=findMaxIndex(nums,index+1,index+k);
max=nums[index];
}
//扫描到更大值,更新
else if(max<nums[i]){
max=nums[i];
index=i;
}
res[i-k+1]=max;
}
return res;
}
//计算最大值索引位置
public int findMaxIndex(int[] nums,int start,int end){
int max=Integer.MIN_VALUE;
int index=start;
for(int i=start;i<=end;i++){
if(max<nums[i]){
max = nums[i];
index=i;
}
}
return index;
}
}
只保留当前滑动窗口中有的元素的索引。
移除比当前元素小的所有元素,它们不可能是最大的。
输入: nums = [1,3,-1,-3,5,3,6,7], 和 k = 3
输出: [3,3,5,5,6,7]
解释过程中队列中都是具体的值,方便理解,具体见代码。
初始状态:L=R=0,队列:{}
i=0,nums[0]=1。队列为空,直接加入。队列:{1}
i=1,nums[1]=3。队尾值为1,3>1,弹出队尾值,加入3。队列:{3}
i=2,nums[2]=-1。队尾值为3,-1<3,直接加入。队列:{3,-1}。此时窗口已经形成,L=0,R=2,result=[3]
i=3,nums[3]=-3。队尾值为-1,-3<-1,直接加入。队列:{3,-1,-3}。队首3对应的下标为1,L=1,R=3,有效。result=[3,3]
i=4,nums[4]=5。队尾值为-3,5>-3,依次弹出后加入。队列:{5}。此时L=2,R=4,有效。result=[3,3,5]
i=5,nums[5]=3。队尾值为5,3<5,直接加入。队列:{5,3}。此时L=3,R=5,有效。result=[3,3,5,5]
i=6,nums[6]=6。队尾值为3,6>3,依次弹出后加入。队列:{6}。此时L=4,R=6,有效。result=[3,3,5,5,6]
i=7,nums[7]=7。队尾值为6,7>6,弹出队尾值后加入。队列:{7}。此时L=5,R=7,有效。result=[3,3,5,5,6,7]
所以每次窗口变动时,只需要判断队首的值是否还在窗口中就行了。
由数组下标取值很方便,而由值取数组下标不是很方便。
class Solution {
public int[] maxSlidingWindow(int[] nums, int k) {
int n =nums.length;
if(k==1) return nums;
// 双向队列 保存当前窗口最大值的数组位置 保证队列中数组位置的数值按从大到小排序
LinkedList<Integer> queue = new LinkedList();
int[] res = new int[n-k+1];
for(int i=0;i<n;i++){
//队列是否为空同时最后一个元素是否小于当前值
while(!queue.isEmpty()&&nums[queue.peekLast()]<=nums[i]){
//小于则移除
queue.removeLast();
}
//添加待选最大值
queue.add(i);
//检验当前最大值是否有效
if(queue.peek()<i-k+1){
queue.poll();
}
//当前扫描到第k个元素,则开始存入最大值列表
if(i>=k-1){
res[i-k+1]=nums[queue.peek()];
}
}
return res;
}
}