优先队列

数据流中的第K大元素

  class KthLargest {
        final PriorityQueue minHeap;
        final int k;
        public KthLargest(int k, int[] nums) {
            this.k = k;
            this.minHeap = new PriorityQueue<>(k);
            for (int i = 0; i < nums.length; i ++) {
                add(nums[i]);
            }
        }

        public int add(int val) {
            if (minHeap.size() < k) {
                minHeap.offer(val);
            } else if (minHeap.peek() < val) {
                minHeap.poll();
                minHeap.offer(val);
            }
            return minHeap.peek();
        }
    }

滑动窗口最大值

// 本题属于困难题目，难点有两点，一是选择合适的数据结构作为滑动窗口，二是如何淘汰过期和不符合要求的数据
// 数据结构选用双端队列
// 过期元素从队列头淘汰
// 不符合要求的数据从队尾淘汰
// 注意：当新元素加入时，原窗口中比新元素小的数据，一定不会成为最大值，所以可以全部淘汰掉
public int[] maxSlidingWindow(int[] nums, int k) { 
       if (nums.length <= 0) {
                    return new int[0];
                }
                Deque windows = new ArrayDeque<>();
                int[] result = new int[nums.length - k + 1];
                for (int i = 0; i < nums.length; i ++) {
                    // 清除过期元素
                    if (i >= k && windows.peekFirst() <= i - k) {
                        windows.pollFirst();
                    }
                    // 清除比新插入数小的元素
                    while (!windows.isEmpty() && nums[i] >= nums[windows.getLast()]) {
                        windows.pollLast();
                    }
                    // 将最新一位加入
                    windows.add(i);
                    if (i >= k-1) {
                        result[i - k + 1] = nums[windows.peekFirst()];
                    }
                }
                return result;
    }