leetcode146 & 剑指 Offer II 031 & 面试题 16.25. LRU 缓存(mid)

力扣链接

题目描述

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？

示例：

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

提示：

• 1 <= capacity <= 3000
• 0 <= key <= 10000
• 0 <= value <= 105
• 最多调用 2 * 105 次 get 和 put

解题思路

官方题解链接

代码

class LRUCache {
    
    

    class Node {
    
    
        int key;
        int value;
        Node prev;
        Node next;
        Node(){
    
    }
        Node(int key, int value) {
    
    
            this.key = key;
            this.value = value;
        }
    }

    Node head;
    Node tail;
    //容量
    int capacity;
    //已使用大小
    int size;
    Map<Integer, Node> map;

    public LRUCache(int capacity) {
    
    
        this.capacity = capacity;
        map = new HashMap<>();
        // 使用伪头部和伪尾部节点
        head = new Node();
        tail = new Node();
        head.next = tail;
        tail.prev = head;
    }

    public int get(int key) {
    
    
        Node node = map.get(key);
        if (node == null) {
    
    
            return -1;
        }
        // 如果 key 存在，先通过哈希表定位，再移到头部
        moveToHead(node);
        return node.value;
    }

    public void put(int key, int value) {
    
    
        Node node = map.get(key);
        if (node == null) {
    
    
            // 如果 key 不存在，创建一个新的节点
            node = new Node(key, value);
            // 添加进哈希表
            map.put(key, node);
            // 添加至双向链表的头部
            addToHead(node);
            size++;
            if (size > capacity) {
    
    
                // 如果超出容量，删除双向链表的尾部节点
                Node tail = removeTail();
                // 删除哈希表中对应的项
                map.remove(tail.key);
                size--;
            }
        } else {
    
    
            // 如果 key 存在，先通过哈希表定位，再修改 value，并移到头部
            node.value = value;
            moveToHead(node);
        }
    }

    Node removeTail() {
    
    
        Node prev = tail.prev;
        removeNode(prev);
        return prev;
    }

    void addToHead(Node node) {
    
    
        node.prev = head;
        node.next = head.next;
        head.next.prev = node;
        head.next = node;
    }

    void removeNode(Node node) {
    
    
        node.next.prev = node.prev;
        node.prev.next = node.next;
    }

    void moveToHead(Node node) {
    
    
        removeNode(node);
        addToHead(node);
    }
}

/**
 * Your LRUCache object will be instantiated and called as such:
 * LRUCache obj = new LRUCache(capacity);
 * int param_1 = obj.get(key);
 * obj.put(key,value);
 */

复杂度

• 时间复杂度: get和put方法均为O(1)
• 空间复杂度: O(n)