题目1：239 滑动窗口最大值
题目链接：239 滑动窗口最大值
题意
长度为K的滑动窗口从整数数组的最左侧移动到最右侧，每次只移动1位，求滑动窗口中的最大值
不能使用优先级队列，如果使用大顶堆，最终要pop的元素不知道是哪一个，因为大顶堆已经对队列中的元素进行排序了，元素的顺序发生了改变
暴力解法
对窗口内的所有元素进行排序
单调队列
由于窗口每次只移动1步，所以每真正push一次，就收集一次最大值即可，最大值放到队列的出口
队列只维护窗口中的最大值即可，且队列里的元素是从左到右依次递减的
pop()：若滑动窗口原本要移除的元素(val)就是单调队列的出口(front)元素(滑动窗口的最大值)，那么就弹出元素
push()：如果要放入的元素(val)大于入口(back)的元素，就将入口处(back)小于val的元素逐个卷走，元素再在入口处(back)处入栈
getmaxvalue()：每次移动窗口时，队列出口处(front())的元素即为当前窗口的最大值
伪代码
逻辑
例1：前一个滑动窗口删除的元素会不会影响后一个滑动窗口？
代码
class Solution {
private:
class MyQueue{
public:
deque<int> que;//双向队列
void pop(int val){
if(!que.empty()&&que.front()==val){
que.pop_front();
}
}
void push(int val){
//去掉入口处比其小的元素
while(!que.empty()&&que.back()<val){
que.pop_back();
}
que.push_back(val);
}
int getmaxvalue(){
return que.front();
}
};
public:
vector<int> maxSlidingWindow(vector<int>& nums, int k) {
MyQueue que;
vector<int> result;
for(int i=0;i<k;i++){
que.push(nums[i]);
}//第一个滑动窗口的元素
result.push_back(que.getmaxvalue());
for(int i=k;i<nums.size();i++){
//先弹出元素，因为窗口的大小是一定的，只能先弹出元素，再放入元素
que.pop(nums[i-k]);
//再放入元素
que.push(nums[i]);
//求最大值
result.push_back(que.getmaxvalue());
}
return result;
}
};- 时间复杂度: O(n)
- 空间复杂度: O(k)
题目2：347 前K个高频元素
题目链接：347 前K个高频元素
题意
返回整数数组nums中出现频率前k高的元素
暴力解法
使用map数组，元素是key，频率是value，然后将value从大到小排序，输出前k个元素（所有元素进行排序）
优先级队列(小顶堆)
为了优化时间复杂度，可以只维护k个元素，没有必要排序所有元素，想到使用优先级队列。
大顶堆，小顶堆擅长求解在大数据集内求排名靠前的元素，堆的底层实现是二叉树
那么使用大顶堆还是使用小顶堆呢？
如果使用大顶堆，那么加入该元素时，弹出最大值，不符题意
如果使用小顶堆，那么加入该元素时，弹出最小值，符合题意，所以，使用小顶堆
使用优先级队列实现大顶堆的话，cmopare函数从大到小排，实现小顶堆的话，compare函数从小到大排
伪代码
代码
class Solution {
public:
class mycomparision{
public:
bool operator()(const pair<int,int>& kv1,const pair<int,int>& kv2){
return kv1.second > kv2.second;
}
};//定义一个类之后，一定要添加;
vector<int> topKFrequent(vector<int>& nums, int k) {
unordered_map<int,int> map;
//统计元素出现的频率
for(int i=0;i<nums.size();i++){
map[nums[i]]++;
}
//使用优先级队列定义小顶堆
priority_queue<pair<int,int>,vector<pair<int,int>>,mycomparision> que;
//pair<int,int>表示键值对的数据类型<元素(int),频率(int)>
//vector<pair<int,int>>表示vector作为que的底层容器，存储元素
//遍历map中的元素，小顶堆只维护前k个高频元素
for(unordered_map<int,int>::iterator it=map.begin();it!=map.end();it++){
que.push(*it);//*it代表迭代器it指向的key-value键值对
if(que.size()>k){
que.pop();//弹出当前小顶堆中的最小值
}
}
//将小顶堆中频率排名前k的key元素按照频率从高到低放到数组中
vector<int> result(k);//这里一定要定义result的大小，因为后续是对result的下标位置进行操作
for(int i=k-1;i>=0;i--){
result[i] = que.top().first;
que.pop();
}
return result;
}
};- 时间复杂度: O(nlogk)
- 空间复杂度: O(n)
逻辑
例1：最后将堆中的元素放入到数组中时，如果写出这样
vector<int> result;会报如下错误
原因就是还未给result数组分配内存空间，所以访问result[i]时出错，相当于访问了一个空的空间，和访问空指针差不多一个意思。
