当前位置: 首页 > news >正文

LeetCode 239:滑动窗口最大值

LeetCode 239:滑动窗口最大值

在这里插入图片描述

问题定义与核心挑战

给定整数数组 nums 和窗口大小 k,需返回每个滑动窗口的最大值。例如:

  • 输入:nums = [1,3,-1,-3,5,3,6,7], k=3
  • 输出:[3,3,5,5,6,7]

核心挑战:

  • 暴力法缺陷:直接遍历每个窗口(共 n-k+1 个),每个窗口遍历 k 个元素,时间复杂度 O(nk),当 n=10^5 时会超时。
  • 高效数据结构:需快速维护窗口内的最大值,支持新增元素移除过期元素操作。

核心思路:单调队列(双端队列)

利用 单调递减队列 维护窗口内的元素索引,确保:

  1. 队列内元素对应的值单调递减:队首始终是当前窗口的最大值。
  2. 队列内仅保留当前窗口的有效元素:移除窗口左侧的过期索引。

算法步骤详解

步骤 1:初始化单调队列

使用双端队列(Deque)存储元素索引(而非值),便于判断元素是否在窗口内。

Deque<Integer> deque = new LinkedList<>();
步骤 2:遍历数组,维护单调队列

遍历每个元素 nums[i],执行以下操作:

2.1 移除队列尾部的较小元素

当新元素 nums[i] 大于队列尾部元素对应的值时,尾部元素不可能成为当前或未来窗口的最大值(因为新元素更大且更晚离开窗口),故移除尾部元素,直到队列为空或尾部元素更大。

while (!deque.isEmpty() && nums[i] >= nums[deque.getLast()]) {deque.removeLast();
}
deque.addLast(i); // 将当前元素索引加入队列
2.2 移除队列头部的过期元素

窗口的左边界为 i - k + 1(当遍历到 i 时,窗口覆盖 [i-k+1, i])。若队首元素的索引小于左边界,说明该元素已不在窗口内,需移除。

int left = i - k + 1;
while (!deque.isEmpty() && deque.getFirst() < left) {deque.removeFirst();
}
2.3 记录窗口最大值

当遍历到 i >= k-1(即窗口已形成)时,队首元素即为当前窗口的最大值(因队列单调递减)。

if (i >= k-1) {result[resultIndex++] = nums[deque.getFirst()];
}

完整代码(Java)

import java.util.Deque;
import java.util.LinkedList;class Solution {public int[] maxSlidingWindow(int[] nums, int k) {if (nums == null || k == 0) return new int[0];int n = nums.length;int[] result = new int[n - k + 1];int resultIndex = 0;Deque<Integer> deque = new LinkedList<>(); // 存储索引,对应值单调递减for (int i = 0; i < n; i++) {// 步骤1:移除队列尾部所有比当前元素小的索引(保持单调递减)while (!deque.isEmpty() && nums[i] >= nums[deque.getLast()]) {deque.removeLast();}deque.addLast(i); // 加入当前元素索引// 步骤2:移除队首的过期索引(不在当前窗口内)int left = i - k + 1;while (!deque.isEmpty() && deque.getFirst() < left) {deque.removeFirst();}// 步骤3:当窗口形成时,记录最大值(队首元素)if (i >= k - 1) {result[resultIndex++] = nums[deque.getFirst()];}}return result;}
}

关键逻辑解析

1. 单调队列的维护逻辑
  • 尾部移除:确保队列内元素单调递减,新元素只与队尾比较,保证复杂度 O(1)(每个元素入队、出队各一次)。
  • 头部移除:仅当队首元素是窗口左侧的过期元素时才移除,保证队列内始终是当前窗口的有效元素。
2. 为什么存储索引而非值?
  • 需判断元素是否在窗口内(通过索引比较),而值无法提供位置信息。
3. 窗口形成的时机
  • i >= k-1 时,窗口 [i-k+1, i] 首次形成(如 k=3i=2 时窗口是 [0,2]),之后每次遍历都需记录最大值。

示例验证(以示例 1 为例)

输入nums = [1,3,-1,-3,5,3,6,7], k=3

遍历索引 i元素 nums[i]队列操作前移除尾部较小元素加入队列移除过期元素窗口是否形成结果数组
01[]-[0]--
13[0]移除 0(1<3)[1]--
2-1[1]-[1,2]-是(i=2≥2)[3]
3-3[1,2]-[1,2,3]队首1≥0(3-3+1=0)是(i=3≥2)[3,3]
45[1,2,3]移除3(-3<5)→ 移除2(-1<5)→ 移除1(3<5)[4]队首4≥1(4-3+1=1)是(i=4≥2)[3,3,5]
53[4]-[4,5]队首4≥2(5-3+1=2)是(i=5≥2)[3,3,5,5]
66[4,5]移除5(3<6)→ 移除4(5<6)[6]队首6≥3(6-3+1=3)是(i=6≥2)[3,3,5,5,6]
77[6]移除6(6<7)[7]队首7≥4(7-3+1=4)是(i=7≥2)[3,3,5,5,6,7]

复杂度分析

  • 时间复杂度O(n)。每个元素入队、出队各一次,双端队列操作均为 O(1)
  • 空间复杂度O(k)。队列最多存储 k 个元素(窗口大小)。

该方法通过 单调队列 高效维护窗口内的最大值,将时间复杂度从 O(nk) 降至 O(n),是处理滑动窗口最值问题的经典方案。

http://www.lryc.cn/news/601772.html

相关文章:

  • LeetCode第350题_两个数组的交集II
  • NVMe高速传输之摆脱XDMA设计17:队列管理控制设计(下)
  • 金字塔降低采样
  • 企业IT管理——突发病毒事件应急处理预案模板
  • 【Python系列】使用 memory_profiler 诊断 Flask 应用内存问题
  • 【NLP实践】三、LLM搭建中文知识库:提供RestfulAPI服务
  • 《计算机组成原理与汇编语言程序设计》实验报告四 Debug及指令测试
  • 基于黑马教程——微服务架构解析(一)
  • C/C++核心知识点详解
  • lombok插件@NoArgsConstructor、@AllArgsConstructor、@RequiredArgsConstructor的区别
  • 金融科技中的跨境支付、Open API、数字产品服务开发、变革管理
  • 2025C卷 - 华为OD机试七日集训第1期 - 按算法分类,由易到难,循序渐进,玩转OD
  • SpringSecurity实战:核心配置技巧
  • 由于主库切换归档路径导致的 Oracle DG 无法同步问题的解决过程
  • Python堆栈实现:从基础到高并发系统的核心技术
  • 模拟实现python的sklearn库中的Bunch类以及 load_iris 功能
  • 20250727让飞凌OK3576-C开发板在Rockchip的原厂Android14下通过耳机播音
  • 两个函数的卷积
  • Node.js特训专栏-配置与环境部署:20.PM2进程守护与负载均衡
  • 以使命为帆,结业是重新出发的号角
  • 电科金仓 KingbaseES 深度解码:技术突破・行业实践・沙龙邀约 -- 融合数据库的变革之力
  • 从0开始学linux韦东山教程Linux驱动入门实验班(6)
  • c# everthing.exe 通信
  • Android基础(一) 运行HelloWorld
  • 【java】 IntelliJ IDEA高效编程设置指南
  • 大模型算法面试笔记——常用优化器SGD,Momentum,Adagrad,RMSProp,Adam
  • Java 代理机制详解:从静态代理到动态代理,彻底掌握代理模式的原理与实战
  • 雪花算法原理深度解析
  • 【0基础PS】PS工具详解--选择工具--快速选择工具
  • 【n8n教程笔记——工作流Workflow】文本课程(第一阶段)——5.4 计算预订订单数量和总金额 (Calculating booked orders)