LeetCode-480。スライディングウィンドウの中央値[スライディングウィンドウの中央値]-分析とコード[Java]
1.トピック
中央値は、順序付けられたシーケンスの中央の数値です。シーケンスの長さが偶数の場合、中央値はありません。この場合、中央値は2つの中央値の平均です。
例えば：
- [2,3,4]、中央値は3です
- [2,3]、中央値は（2 + 3）/ 2 = 2.5
numの配列が与えられると、左端から右端にスライドする長さkのウィンドウがあります。ウィンドウにはk個の数字があり、ウィンドウが1ビット右に移動するたびに。あなたの仕事は、ウィンドウが動かされるたびに新しいウィンドウの要素の中央値を見つけて、それらの配列を出力することです。
例：
与えられたnums = [1,3、-1、-3,5,3,6,7]、およびk = 3。
窗口位置 中位数
--------------- -----
[1 3 -1] -3 5 3 6 7 1
1 [3 -1 -3] 5 3 6 7 -1
1 3 [-1 -3 5] 3 6 7 -1
1 3 -1 [-3 5 3] 6 7 3
1 3 -1 -3 [5 3 6] 7 5
1 3 -1 -3 5 [3 6 7] 6
したがって、スライディングウィンドウ[1、-1、-1,3,5,6]の中央値配列が返されます。
促す：
- kは常に有効であると想定できます。つまり、kは常に入力の空でない配列の要素数よりも少なくなります。
- 真の値から10 ^ -5以内の回答は、正解と見なされます。
出典：LeetCode
リンク：https：//leetcode-cn.com/problems/sliding-window-median
著作権はLeetCodeが所有しています。商用の再版については、公式の承認に連絡してください。非商用の再版については、出典を示してください。
2、分析とコード
1.二重優先キュー+遅延削除
（1）考える
2つの杭を設計し、大きい上部の杭を使用してデータの小さい方の半分をウィンドウに格納し、小さい上部の杭を使用してデータの大きい方の半分をウィンドウに格納し、ウィンドウのスライドプロセス中にリアルタイムのメンテナンスを維持します。
任意の要素をヒープからすばやく削除することはできないため、ハッシュテーブルは削除する要素を格納するように設計されており、これらの要素をヒープの先頭に移動すると、ヒープから削除されます。
（2）コード
class Solution {
public double[] medianSlidingWindow(int[] nums, int k) {
DualHeap dualHeap = new DualHeap();
int len = nums.length;
double[] ans = new double[len - k + 1];
for (int i = 0; i < k; i++)
dualHeap.insert(nums[i]);
ans[0] = dualHeap.getMedian();
for (int i = k; i < len; i++) {
dualHeap.insert(nums[i]);
dualHeap.del(nums[i - k]);
ans[i - k + 1] = dualHeap.getMedian();
}
return ans;
}
}
//双优先队列 + 延迟删除
class DualHeap {
private PriorityQueue<Integer> smallNums;//大顶堆，记录小数
private PriorityQueue<Integer> largeNums;//小顶堆，记录大数
private int smallSize, largeSize;//小、大数实际个数，滑动窗口大小
private Map<Integer, Integer> toDel;
public DualHeap() {
this.smallNums = new PriorityQueue<Integer>(new Comparator<Integer>() {
public int compare(Integer num1, Integer num2) {
return num2.compareTo(num1);
}
});
this.largeNums = new PriorityQueue<Integer>(new Comparator<Integer>() {
public int compare(Integer num1, Integer num2) {
return num1.compareTo(num2);
}
});
this.smallSize = 0;
this.largeSize = 0;
this.toDel = new HashMap<Integer, Integer>();
}
public double getMedian() {
return (smallSize > largeSize) ? smallNums.peek() : ((double)smallNums.peek() + largeNums.peek()) / 2;
}
public void insert(int num) {
if (smallNums.isEmpty() || num <= smallNums.peek()) {
smallNums.offer(num);
smallSize++;
} else {
largeNums.offer(num);
largeSize++;
}
balance();
return;
}
public void del(int num) {
toDel.put(num, toDel.getOrDefault(num, 0) + 1);
if (num <= smallNums.peek()) {
smallSize--;
prune(smallNums);
} else {
largeSize--;
prune(largeNums);
}
balance();
}
//弹出堆顶待删除的元素，更新哈希表
public void prune(PriorityQueue<Integer> heap) {
while (!heap.isEmpty()) {
int num = heap.peek();
if (toDel.containsKey(num)) {
//堆顶待删除
toDel.put(num, toDel.get(num) - 1);
if (toDel.get(num) == 0)
toDel.remove(num);
heap.poll();
} else {
return;
}
}
}
//保证小数与大数数量相同或多1
public void balance() {
if (smallSize > largeSize + 1) {
largeNums.offer(smallNums.poll());
smallSize--;
largeSize++;
prune(smallNums);
} else if (smallSize < largeSize) {
smallNums.offer(largeNums.poll());
smallSize++;
largeSize--;
prune(largeNums);
}
return;
}
}
（3）結果
実行時間：21ミリ秒、
すべてのJava送信でユーザーの97.91％を上回っています。メモリ消費量：40.6 MB、すべてのJava送信でユーザーの49.65％を上回っています。
3、その他
何もありません。