标签：priority 最大堆 contain xsl 翻转 ast tco str key值
lc352 Data Stream as Disjoint Intervals
可以用treemap解
key保存interval的start，value保存interval的end。分别找出当前val的lowerKey（treemap中>val的最小key值，没有就返回null）和higherKey(<val的最大key没有就返回null) 有以下几种情况： 1） 当前插入的key与前后两个interval重叠 合并三者，将前一个的interval.end改成后一个的end，并且将后一个从treemap中删除 2） 当前插入的key与前面的interval重叠 合并，前一个interval的end改成Math.max(end, val) 注意这里的判断条件不能写成 treemap.(treemap.lowerKey(val)) == val – 1; 而是应该写成>=，前者会出现异常，举例来说[4, 9] 现在val=7，按前者的判断条件，可能就直接放到case4里了，变成[4, 9]和[7, 7]共存 3） 当前插入的key与后面的interval重叠 put(val, 后一个的end) remove(后一个的key) 4） 当前插入的key不和任何已存在interval重叠，直接插入，按题意value设为key值
class SummaryRanges { TreeMap<Integer, Integer> tree; /** Initialize your data structure here. */ public SummaryRanges() { tree = new TreeMap<>(); } public void addNum(int val) { if(tree.containsKey(val)) return; Integer l = tree.lowerKey(val); Integer h = tree.higherKey(val); Integer lv = l == null ? null : tree.get(l); Integer hv = h == null ? null : tree.get(h); if(l != null && h != null && lv == val - 1 && h == val + 1){ //lv = hv; tree.put(l, hv); tree.remove(h); }else if(l != null && lv >= val - 1){ //lv = val; tree.put(l, Math.max(lv, val)); }else if(h != null && h == val + 1){ tree.put(val, hv); tree.remove(h); }else{ tree.putIfAbsent(val, val); } } public int[][] getIntervals() { Iterator it = tree.keySet().iterator(); int i = 0; int[][] res = new int[tree.size()][2]; while(it.hasNext()){ Integer key = (Integer)it.next(); res[i][0] = key; res[i][1] = tree.get(key); i++; } return res; } /*public int[][] getIntervals() { return tree.entrySet() .stream() .map(e -> new int[]{e.getKey(), e.getValue()}) .toArray(int[][]::new); }*/ } /** * Your SummaryRanges object will be instantiated and called as such: * SummaryRanges obj = new SummaryRanges(); * obj.addNum(val); * int[][] param_2 = obj.getIntervals(); */
239 Sliding Window Maximum
1） 双向队列，时间复杂度o(n)
a） 维护一个最大长为k（可能实际长度小于k，见b）的双向队列，保证当前队列有序，头元素为最大，这样每次只需要取dq.peek()即可。 怎么保证队列有序其头元素最大呢？每次i迭代后，把队列中没有用的元素剔除。就是把<nums[i]的元素全部剔除，然后把nums[i]的索引i放入队列。 怎么剔除？这里就用到了双向队列，从队尾开始删pollLast() 注意，队列中存放的是index而非值本身，目的是为了下一步b中确定队头元素的位置是否还在window内
b） 保证队头的元素都来自i-k+1~i，因为这是一个sliding window。 if(dp.peek() < i-k+1) dp.poll() //直接删除队首元素
1 class Solution { 2 public int[] maxSlidingWindow(int[] nums, int k) { 3 if(nums == null ||nums.length == 0) 4 return nums; 5 int len = nums.length; 6 int size = len - k + 1; 7 8 int[] res = new int[size]; 9 Deque<Integer> dq = new ArrayDeque<>(); 10 11 12 for(int i=0, j=0; i<len; i++){ 13 while(!dq.isEmpty() && dq.peek() < i - k + 1) 14 dq.poll(); 15 16 while(!dq.isEmpty() && nums[dq.peekLast()] <= nums[i]) 17 dq.pollLast(); 18 dq.offer(i); 19 if(i >= k-1) 20 res[j++] = nums[dq.peek()]; 21 } 22 23 return res; 24 25 } 26 }
2） 最大堆，时间复杂度o(nlogk)
维护一个大小为k的最大堆，可以把priorityqueue翻转一下即可 PriorityQueue<Integer> pq = new PriorityQueue<>(Comparator.reverseOrder()) 每次i迭代，去掉nums[i-k]，插入nums[i]，然后取堆root元素即可。
295 Find Median from Data Stream
用一个最大堆和一个最小堆，最大堆里放历史数据流中前k小的数，最小堆中放剩下的数，数据流总size为偶数，则两个堆大小相等，若为奇数，则最大堆比最小堆多一个数。这样我们median要么是最大堆root值，要么是两个堆root的平均值。
1 class MedianFinder { 2 PriorityQueue<Integer> min = new PriorityQueue<>(); 3 PriorityQueue<Integer> max = new PriorityQueue<>(Comparator.reverseOrder()); 4 /** initialize your data structure here. */ 5 public MedianFinder() { 6 7 } 8 9 public void addNum(int num) { 10 max.offer(num); 11 min.offer(max.poll()); 12 if(max.size() < min.size()) 13 max.offer(min.poll()); 14 } 15 16 public double findMedian() { 17 if(max.size() == min.size()) 18 //return (max.poll() + min.poll()) / 2; 19 //poll() will remove the first element of priorityqueue, but peek() will just retrieve the value and will not remove the element 20 return (max.peek() +min.peek()) / 2.0; 21 else 22 return max.peek(); 23 } 24 } 25 26 /** 27 * Your MedianFinder object will be instantiated and called as such: 28 * MedianFinder obj = new MedianFinder(); 29 * obj.addNum(num); 30 * double param_2 = obj.findMedian(); 31 */
53 Maximum Subarray
用dp解
dp[i]定义为包含当前i的最大子序列
递归式：dp[i] = max(dp[i-1], dp[i-1] + nums[i]);
注意还要用一个max变量保存dp[i]中（i=0~n-1）最大的那个dp[i]
返回值为max
1 class Solution { 2 public int maxSubArray(int[] nums) { 3 if(nums == null ||nums.length == 0) 4 return 0; 5 int len = nums.length; 6 int[] dp = new int[len]; 7 dp[0] = nums[0]; 8 int max = dp[0]; 9 10 for(int i=1; i<len; i++){ 11 dp[i] = Math.max(dp[i-1] + nums[i], nums[i]); 12 max = Math.max(max, dp[i]); 13 } 14 //max = Math.max(max, dp[0]); 15 return max; 16 } 17 }
209 Minimum Size Subarray Sum
双指针，
一个指针用来求和，即j-i的所有元素只和，sum += nums[i++]
一个指针用来减去0-j的元素, sum -= nums[j++] 每当j~i之和>=s，记录j~i的长度，用一个min记录所有ij组合的长度最小值,r然后减去当前j所指元素，j++，直到j~i之和<s
1 class Solution { 2 public int minSubArrayLen(int s, int[] nums) { 3 if(nums == null || nums.length == 0) 4 return 0; 5 int i=0, j=0, min = Integer.MAX_VALUE; 6 int sum = 0; 7 8 while(i < nums.length){ 9 sum += nums[i++]; 10 11 while(sum >= s){ 12 min = Math.min(min, i-j); 13 sum -= nums[j++]; 14 } 15 } 16 17 return min == Integer.MAX_VALUE ? 0 : min; 18 } 19 20 21 }
leetcode 352 & leetcode 239 & leetcode 295 & leetcode 53 & leetcode 209
标签：priority 最大堆 contain xsl 翻转 ast tco str key值
原文地址：https://www.cnblogs.com/hwd9654/p/10917735.html
