做算法题了,题的难度我们分为“士,尉,校,将”四个等级。这个算法题的模块是篇幅比较小的那种模块。首先是给出一道题的描述,之后我会用我的想法来做这道题,今天算是算法题的第一道题,先来试试水。
问题描述(等级:尉)
有一个整型数组arr和一个大小为w的窗口从数组的最左边滑到最右边,窗口每次向右边滑一个位置。
例如,数组为[4,3,1,5,4,3,7,5],窗口大小为5时:
[4 3 1 5 4] 3 7 5 max = 5
4 [3 1 5 4 3] 7 5 max = 5
4 3 [1 5 4 3 7] 5 max = 7
4 3 1 [5 4 3 7 5] max = 7
即窗口最大值数组为 result = {5, 5,7,7}
解答
对于一道题,我一般会第一时间想到用暴力的方法来做,之后再来慢慢优化。
显然,对于这道题用暴力法来做还是挺简单了,窗口每次向右移动一位时,我们每次遍历窗口内的w个元素,然后求出此时窗口的最大值就可以了,用这种方法的时间复杂度是 O(w*n)。代码如下:
1 | //暴力法求解,时间复杂度:O(n*w) |
大家想一个问题,例如对于刚才例题中的数组:
第一次遍历的时候,max = 5
第二次遍历的时候,max = 5
我们刚才用暴力法的时候,无论是第一次还是第二次,我们都是把窗口内的所有元素都给遍历了一次,以此来寻找最大值,可是,真的需要这样吗?
第一次遍历的时候,我们找出了max = 5, 那么在第二次遍历的时候,在窗口范围内,max = 5 左边的两个数1, 3 还有可能是最大值吗?也就是说,max=5 左边的窗口元素还要必要遍历吗?
显然,max=5左边的窗口实际上是不必再遍历的了,也就是它不可能会是窗口的最大值。
而 max = 5 右边的 4 有可能会是窗口的最大值吗?由于窗口还会一直向右移动,所以 max = 5 右边的窗口元素还是有可能是某一个窗口的最大值的。
因此,我们可以用一个双向的队列,来记录有可能成为窗口最大值的下标,注意,这里指的是有可能。
像刚才的 max = 5 前面的 1,3 就不可能成为窗口的最大值了,而右边的4还是有可能成为窗口的最大值的。并且这个队列是有序的,队首存放的总是队列中的最大值,
我以这道题来演示一下,我们用result[] 数组来存放窗口最大值。
1、result[0] = 5
2、result[1] = 5;
3、result[2] = 7
其他的全部都要出队,因为7前面的5,4,3是不可能成为窗口最大值的了。
4、result[3] = 7
遍历完毕。这种方法的话时间复杂度是 O(n)。
我这里只是提供了思路与大致的做法,具体的代码实现还是有很多细节需要注意的。下面给出实现代码,代码会有详细的解释。
1 | //优化,时间复杂度:O(n) |
说实话,微信看代码确实有点难受,如果是在电脑浏览的话还好点,我在考虑要不要用截图的方式,不过如果是截图的话,有些人想要复制代码的话会复制不了,那我之后考虑把代码打包,你们后台回复获取。