LeetCode-239.滑动窗口最大值

滑动窗口#

给你一个整数数组 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 。

示例 1：

1
输入：nums = [1,3,-1,-3,5,3,6,7], k = 3
2
输出：[3,3,5,5,6,7]
3
解释：
4
滑动窗口的位置                最大值
5
---------------               -----
6
[1  3  -1] -3  5  3  6  7       3
7
 1 [3  -1  -3] 5  3  6  7       3
8
 1  3 [-1  -3  5] 3  6  7       5
9
 1  3  -1 [-3  5  3] 6  7       5
10
 1  3  -1  -3 [5  3  6] 7       6
11
 1  3  -1  -3  5 [3  6  7]      7

示例 2：

1
输入：nums = [1], k = 1
2
输出：[1]

1.自己的失败的解法

只有42/52通过了测试用例，超出时间限制了🥲

1
func maxSlidingWindow(nums []int, k int) []int {
2
    right := 0
3
    window := []int{}
4
    res := []int{}
5

6
    if len(nums) < k {
7
        return nums
8
    }
9

10
    for right < len(nums) {
11
        window = append(window, nums[right])
12
        maxVal := window[0]
13

14
        if len(window) == k {
15
            for _, val := range window {
16
                if val > maxVal {
17
                    maxVal = val
18
                }
19
            }
20

21
            res = append(res, maxVal)
22
            window = window[1:]
23
        }
24
        right++
25
    }
26
    return res
27
}

2.滑动窗口 + 单调对列

评论区找到的地狱故事挺好地解释了这个算法

这是一个降本增笑的故事：

如果新员工比老员工强（或者一样强），把老员工裁掉。（元素进入窗口）

如果老员工 35 岁了，也裁掉。（元素离开窗口）

裁员后，资历最老（最左边）的人就是最强的员工了。

思路：我们需要降低时间复杂度，之前的时间复杂度是 O(N×k)，为了把时间复杂度降到 O(N)，我们需要一种特殊的数据结构，它需要满足：队头永远是当前窗口的最大值

1
func maxSlidingWindow(nums []int, k int) []int {
2
    if len(nums) == 0 || k == 0 {
3
        return []int{}
4
    }
5

6
    var deque []int
7
    var res []int
8

9
    for right := 0; right < len(nums); right++ {
10

11
        for len(deque) > 0 && nums[deque[len(deque)-1]] < nums[right] {
12
            deque = deque[:len(deque)-1]
13
        }
14

15
        deque = append(deque, right)
16

17
        if deque[0] < right - k + 1 {
18
            deque = deque[1:]
19
        }
20

21
        if right >= k - 1 {
22
            res = append(res, nums[deque[0]])
23
        }
24
    }
25
    return res
26
}