算法---LeetCode 146. LRU 缓存机制
1. 题目
原题链接
运用你所掌握的数据结构，设计和实现一个 LRU (最近最少使用) 缓存机制 。
实现 LRUCache 类：
LRUCache(int capacity) 以正整数作为容量 capacity 初始化 LRU 缓存
int get(int key) 如果关键字 key 存在于缓存中，则返回关键字的值，否则返回 -1 。
void put(int key, int value) 如果关键字已经存在，则变更其数据值；如果关键字不存在，则插入该组「关键字-值」。当缓存容量达到上
限时，它应该在写入新数据之前删除最久未使用的数据值，从而为新的数据值留出空间。
进阶：你是否可以在 O(1) 时间复杂度内完成这两种操作？
示例：
输入
[“LRUCache”, “put”, “put”, “get”, “put”, “get”, “put”, “get”, “get”, “get”]
[[2], [1, 1], [2, 2], [1], [3, 3], [2], [4, 4], [1], [3], [4]]
输出
[null, null, null, 1, null, -1, null, -1, 3, 4]
解释
LRUCache lRUCache = new LRUCache(2);
lRUCache.put(1, 1); // 缓存是 {1=1}
lRUCache.put(2, 2); // 缓存是 {1=1, 2=2}
lRUCache.get(1); // 返回 1
lRUCache.put(3, 3); // 该操作会使得关键字 2 作废，缓存是 {1=1, 3=3}
lRUCache.get(2); // 返回 -1 (未找到)
lRUCache.put(4, 4); // 该操作会使得关键字 1 作废，缓存是 {4=4, 3=3}
lRUCache.get(1); // 返回 -1 (未找到)
lRUCache.get(3); // 返回 3
lRUCache.get(4); // 返回 4
提示：
1 <= capacity <= 3000
0 <= key <= 3000
0 <= value <= 104
最多调用 3 * 104 次 get 和 put
Related Topics 设计
1423 0
2. 题解
2.1 解法1: 哈希表+双向链表
自实现一个双向链表, 有两个分别指向伪头尾结点的指针, 同时包含操作: 添加结点到头, 删除指定结点, 删除尾部结点, 还需要保存 容量, 当前大小等变量
-
对于 get 操作，首先判断 key 是否存在：
(1) 如果 key 不存在，则返回 -1−1；
(2) 如果 key 存在，则 key 对应的节点是最近被使用的节点。通过哈希表定位到该节点在双向链表中的位置，并将其移动到双向链表的头部，最后返回该节点的值。 -
对于 put 操作，首先判断 key 是否存在：
(1) 如果 key 不存在，使用 key 和 value 创建一个新的节点，在双向链表的头部添加该节点，并将 key 和该节点添加进哈希表中。然后判断双向链表的节点数是否超出容量，如果超出容量，则删除双向链表的尾部节点，并删除哈希表中对应的项；
(2) 如果 key 存在，则与 get 操作类似，先通过哈希表定位，再将对应的节点的值更新为 value，并将该节点移到双向链表的头部。
class LRUCache {
DListNode head;
DListNode tail;
int capacity;
Map<Integer, DListNode> map;
int size;
public LRUCache(int capacity) {
head = new DListNode();
tail = new DListNode();
head.next = tail;
tail.prev = head;
size = 0;
this.capacity = capacity;
map = new HashMap<>();
}
public int get(int key) {
if (map.containsKey(key)) {
DListNode temp = map.get(key);
remove(temp);
addToHead(temp);
return temp.value;
} else {
return -1;
}
}
public void put(int key, int value) {
if (map.containsKey(key)) {
DListNode temp = map.get(key);
temp.value = value;
remove(temp);
addToHead(temp);
return;
} else {
if (size < capacity) {
DListNode newNode = new DListNode(key, value);
map.put(key, newNode);
addToHead(newNode);
size++;
} else {
DListNode delNode = removeTail();
map.remove(delNode.key);
DListNode newNode = new DListNode(key, value);
map.put(key, newNode);
addToHead(newNode);
}
}
}
class DListNode {
DListNode prev;
DListNode next;
int key;
int value;
public DListNode() {
}
public DListNode(int key, int value) {
this.key = key;
this.value = value;
}
}
public void addToHead(DListNode node) {
DListNode next = head.next;
head.next = node;
node.prev = head;
node.next = next;
next.prev = node;
}
public void remove(DListNode node) {
DListNode preNode = node.prev;
DListNode nextNode = node.next;
preNode.next = nextNode;
nextNode.prev = preNode;
}
public DListNode removeTail() {
DListNode node = tail.prev;
remove(node);
return node;
}
}
写法2:
class LRUCache {
// 创建链表的结点
class DLinkedNode {
int key;
int val;
DLinkedNode prev;
DLinkedNode next;
public DLinkedNode() {
}
public DLinkedNode(int key, int val) {
this.key = key;
this.val = val;
}
}
DLinkedNode head;
DLinkedNode tail;
Map<Integer, DLinkedNode> map;
int capacity;
int size;
public LRUCache(int capacity) {
head = new DLinkedNode();
tail = new DLinkedNode();
// 注意创建链表的连接
head.next = tail;
tail.prev = head;
map = new HashMap<>();
this.capacity = capacity;
size = 0;
}
public int get(int key) {
if (!map.containsKey(key)) {
return -1;
} else {
// 获取该节点
DLinkedNode temp = map.get(key);
// 将该节点放到头部
removeNode(temp);
addToHead(temp);
// 返回结点值
return temp.val;
}
}
public void put(int key, int value) {
// 先创建新结点
DLinkedNode newNode = new DLinkedNode(key, value);
if (!map.containsKey(key)) {
if (size < capacity) {
// 将结点加入链表头部
addToHead(newNode);
// 添加到哈希表
map.put(key, newNode);
size++;
} else {
// 删除旧的节点，新的插到头部
DLinkedNode delTail = removeTail();
// 注意需要删除哈希表中的 key
map.remove(delTail.key);
addToHead(newNode);
map.put(key, newNode);
}
} else {
// 删除原结点并将新节点放到链表头
DLinkedNode temp = map.get(key);
map.remove(temp.key);
removeNode(temp);
addToHead(newNode);
map.put(key, newNode);
}
}
public void addToHead(DLinkedNode node) {
node.prev = head;
node.next = head.next;
head.next = node;
node.next.prev = node;
}
public void removeNode(DLinkedNode node) {
node.prev.next = node.next;
node.next.prev = node.prev;
}
public DLinkedNode removeTail() {
DLinkedNode delTail = tail.prev;
DLinkedNode temp = tail.prev.prev;
temp.next = tail;
tail.prev = temp;
return delTail;
}
}
参考:
官方题解
LRU 策略详解和实现