滑动窗口
more
剑指 Offer II 041. 滑动窗口的平均值
描述
给定一个整数数据流和一个窗口大小,根据该滑动窗口的大小,计算滑动窗口里所有数字的平均值。
实现 MovingAverage
类:
MovingAverage(int size)
用窗口大小size
初始化对象。double next(int val)
成员函数next
每次调用的时候都会往滑动窗口增加一个整数,请计算并返回数据流中最后size
个值的移动平均值,即滑动窗口里所有数字的平均值。
实例:
1 | 输入: |
解法
python版
1 | class MovingAverage: |
java版
1 | class MovingAverage { |
剑指 Offer 59 - I. 滑动窗口的最大值
与239. 滑动窗口最大值相同
描述
给定一个数组 nums
和滑动窗口的大小 k
,请找出所有滑动窗口里的最大值。
示例
1 | 输入: nums = [1,3,-1,-3,5,3,6,7], 和 k = 3 |
解法:python
在239中会超时
1 | class Solution: |
解法:优先队列
来自 leetcode官方题解,
对于两个相邻(只差了一个位置)的滑动窗口,他们共用着$k-1$个元素,而只有1个元素是变化的,可以进行根据这个特点进行优化。
对于最大值,可以使用优先队列(大根堆),可以实时维护一系列元素的最大值。
对于本题,初始时,可以将数组 $nums$ 前$k$个元素放入优先队列中。
每当我们向右移动窗口时,我们就可以把一个新的元素放入优先队列中,此时堆顶的元素就是堆中所有元素的最大值。然而这个最大值可能并不在滑动窗口中,在这种情况下,这个值在数组$nums$中的位置出现在滑动窗口左边界的左侧。因此,当我们后续继续向右移动窗口时,这个值就永远不可能出现在滑动窗口中了,我们可以将其永久的从优先队列中移除。
通过不断移除堆顶的元素,直到其确实出现在滑动窗口中。此时,堆顶元素就是滑动窗口中的最大值。
为了方便判断堆顶元素与滑动窗口的位置关系,我们可以在优先队列中存储二元组(num, index),表示元素 $num$ 在数组中的下标为 $index$。
1 | def maxSlidingWindow2(self, nums: list, k: int) -> list: |
主要是通过优先队列来获得当前窗口的最大值,在取当前队头元素时,先判断当前元素是否在窗口内,如果不在窗口内则将其弹出。
while部分的语句判断队头元素是不是当前窗口的,i-k得到的是前一个窗口的开始位置。
解法:单调队列
由于我们需要求的是滑动窗口的最大值,如果当前滑动窗口中有两个下标 $i$ 和 $j$,其中 $i$ 在 $j$ 的左侧($i<j$),并且 $i$ 对应的元素不大于 $j$ 对应的元素 ($nums[i]\leq nums[j]$),那会发生什么呢?
当滑动窗口向右移动时,只要 $i$ 还在窗口,那么 $j$ 一定也还在窗口中,这是 $i$ 在 $j$ 的左侧保证的。因此,由于$nums[j]$ 的存在,$nums[i] $ 一定不会是滑动窗口中的最大值了,我们可以将 $nums[i]$ 永久地移除。
因此可以用一个队列存储所有还没有被移除的下标。在队列中,这些下标按照从小到大的顺序被存储,并且它们在数组$nums$中对应的值是严格单调递减的。
这里是为了让队头元素是最大值
因为如果队列中有两个相邻的下标,它们对应的值相等或者递增,那么令前者为 $i$ ,后者为 $j$ ,就对应了上面所说的情况,既 $nums[i]$ 会被移除,这就产生了矛盾。
当前滑动窗口不断向右移动时,我们需要把一个新的元素放入队列中。为了保持队列的性质,我们会不断地将新的元素与队尾的元素相比较,如果前者大于等于后者,那么队尾的元素就可以永久地被移除,我们将其弹出队列。我们需要不断地进行此项操作,直到队列为空或者新的元素小于队尾元素。
由于队列中的下标对应的元素是单独递减的,因此此时队首下标对应的元素就是滑动窗口中的最大值。
但与方法一相同的是,此时的最大值可能在滑动窗口左边界的左侧,并且随着窗口向右移动,它永远不可能出现在滑动窗口中了。因此我们还需要不断从队首弹出元素,直到队首元素在窗口中为止。
为了可以同时弹出队首和队尾元素,我们需要使用双端队列。满足这种单调性的双端队列一般称作【单调队列】。
1 |