【Leetcode】146. LRU 缓存机制（LRU Cache）

No146. LRU 缓存机制

题目

运用你所掌握的数据结构，设计和实现一个 LRU (最近最少使用) 缓存机制 。
实现 LRUCache 类：

• LRUCache(int capacity) 以正整数作为容量 capacity 初始化 LRU 缓存
• int get(int key) 如果关键字 key 存在于缓存中，则返回关键字的值，否则返回 -1 。
• void put(int key, int value) 如果关键字已经存在，则变更其数据值；如果关键字不存在，则插入该组「关键字-值」。当缓存容量达到上限时，它应该在写入新数据之前删除最久未使用的数据值，从而为新的数据值留出空间。

进阶：你是否可以在 O(1) 时间复杂度内完成这两种操作？

说明：

你的算法应该具有线性时间复杂度。 你可以不使用额外空间来实现吗？

示例

• 输入: [2,2,1]
• 输出: 1

输入
[“LRUCache”, “put”, “put”, “get”, “put”, “get”, “put”, “get”, “get”, “get”]
[[2], [1, 1], [2, 2], [1], [3, 3], [2], [4, 4], [1], [3], [4]]
输出
[null, null, null, 1, null, -1, null, -1, 3, 4]

解释
LRUCache lRUCache = new LRUCache(2);
lRUCache.put(1, 1); // 缓存是 {1=1}
lRUCache.put(2, 2); // 缓存是 {1=1, 2=2}
lRUCache.get(1); // 返回 1
lRUCache.put(3, 3); // 该操作会使得关键字 2 作废，缓存是 {1=1, 3=3}
lRUCache.get(2); // 返回 -1 (未找到)
lRUCache.put(4, 4); // 该操作会使得关键字 1 作废，缓存是 {4=4, 3=3}
lRUCache.get(1); // 返回 -1 (未找到)
lRUCache.get(3); // 返回 3
lRUCache.get(4); // 返回 4

思路

• 构造双向列表作为队列，head为队尾，tail为队头（这样是参考官方答案，但设计比较拧巴，可以考虑调换头尾，便于理解）；
• 构造cache为字典（哈希表）辅助判断；
• 考虑get，若不存在返回-1；若存在则需将该node更新到head（队尾）并返回；
• 考虑put，若存在则移动到队尾并更新对应值；若不存在则先插入头部，然后根据当前长度判断是否需要将尾部移除；

解题代码(Python3)

class DLinkedNode:
    def __init__(self, key=0, value=0):
        self.key = key
        self.value = value
        self.prev = None
        self.next = None

class LRUCache:

    def __init__(self, capacity: int):
        self.capacity = capacity
        self.size = 0
        self.cache = dict()
        self.head = DLinkedNode()
        self.tail = DLinkedNode()
        #四个指针只需要初始化2个
        self.head.next = self.tail
        self.tail.prev = self.head

    def get(self, key: int) -> int:
        if key in self.cache:
            node = self.cache[key]
            self.moveToHead(node)
            return node.value
        return -1

    def put(self, key: int, value: int) -> None:
        if key not in self.cache:
            #需要新建Node
            node = DLinkedNode(key,value)
            self.cache[key] = node
            #插入到最前端
            self.addHead(node)
            if self.size > self.capacity:
                removed = self.removeTail()
                self.cache.pop(removed.key)
        else:
            #移动尾结点到头部 都需要操作 大小不变
            node = self.cache[key]
            self.moveToHead(node)
            node.value = value
    #增加头结点 连接四条线
    def addHead(self,node):
        node.prev = self.head
        node.next = self.head.next
        node.next.prev = node
        self.head.next = node
        self.size += 1
    #删除尾结点 返回被删掉的结点            
    def removeTail(self):
        node = self.tail.prev
        self.removeNode(node)
        return node
    #移除指定结点
    def removeNode(self,node):
        node.next.prev = node.prev
        node.prev.next = node.next
        self.size -= 1
    def moveToHead(self,node):
        self.removeNode(node)
        self.addHead(node)

复杂度分析：

• 时间复杂度O(1)
• 空间复杂度O(n)

运行结果：