这段文字描述的是使用单调队列(Monotonic Queue) 解决滑动窗口最大值问题的优化算法。我来简单解释一下:
核心思路
-
问题分析:在滑动窗口中,若存在两个下标
i < j
且nums[i] ≤ nums[j]
,则nums[i]
永远不可能成为后续窗口的最大值(因为j
会比i
更晚离开窗口)。因此,可以提前淘汰nums[i]
。 -
数据结构选择:使用双端队列(Deque)维护一个单调递减的下标序列,确保队列中元素对应的值从队首到队尾严格递减。
-
维护单调队列:
- 插入新元素:将新元素与队尾比较,若新元素更大,则不断弹出队尾,直到满足单调性。
- 淘汰旧元素:检查队首元素是否已超出窗口范围,若超出则弹出队首。
算法步骤
- 初始化队列:遍历前
k
个元素,维护单调队列。 - 处理每个窗口:
- 淘汰旧元素:若队首下标超出窗口左边界,弹出队首。
- 插入新元素:将当前元素下标加入队尾,弹出所有不大于当前值的队尾元素。
- 记录最大值:队首元素对应的值即为当前窗口的最大值。
- 滑动窗口:重复步骤2,直到处理完所有窗口。
示例代码(C++)
#include <iostream>
#include <vector>
#include <deque>
using namespace std;
vector<int> maxSlidingWindow(vector<int>& nums, int k) {
int n = nums.size();
vector<int> result;
if (n == 0 || k == 0) return result;
deque<int> q; // 存储下标,对应的值单调递减
// 初始化第一个窗口(前k个元素)
for (int i = 0; i < k; ++i) {
// 弹出所有比当前元素小的队尾下标(维护单调递减)
while (!q.empty() && nums[i] >= nums[q.back()]) {
q.pop_back();
}
q.push_back(i);
}
result.push_back(nums[q.front()]); // 第一个窗口的最大值
// 滑动窗口处理后续元素
for (int i = k; i < n; ++i) {
// 淘汰已离开窗口的队首下标(左边界为i-k+1,下标<=i-k时淘汰)
while (!q.empty() && q.front() <= i - k) {
q.pop_front();
}
// 维护单调递减:弹出所有比当前元素小的队尾下标
while (!q.empty() && nums[i] >= nums[q.back()]) {
q.pop_back();
}
q.push_back(i);
result.push_back(nums[q.front()]); // 当前窗口最大值
}
return result;
}
// 测试示例
int main() {
vector<int> nums = {1, 3, -1, -3, 5, 3, 6, 7};
int k = 3;
vector<int> res = maxSlidingWindow(nums, k);
cout << "滑动窗口最大值:";
for (int num : res) {
cout << num << " ";
}
// 输出:3 3 5 5 6 7
return 0;
}
复杂度分析
- 时间复杂度:O(n),每个元素最多入队和出队一次。
- 空间复杂度:O(k),队列中最多存储
k
个元素。
关键点
- 单调队列:通过维护单调性,避免重复比较,将暴力算法的 O(nk) 优化到 O(n)。
- 双端队列:支持 O(1) 时间复杂度的队首和队尾操作。
- 应用场景:适用于求解滑动窗口最大值/最小值、子数组最大和等问题。