239. 滑动窗口最大值

困难

给你一个整数数组 nums，有一个大小为 k 的滑动窗口从数组的最左侧移动到数组的最右侧。你只可以看到在滑动窗口内的 k 个数字。滑动窗口每次只向右移动一位。

返回 滑动窗口中的最大值 。

示例 1：

输入：nums = [1,3,-1,-3,5,3,6,7], k = 3 输出：[3,3,5,5,6,7] 解释： 滑动窗口的位置 最大值

---

[1 3 -1] -3 5 3 6 7 3 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 5 1 3 -1 -3 [5 3 6] 7 6 1 3 -1 -3 5 [3 6 7] 7

• 1 <= nums.length <= 105

• -104 <= nums[i] <= 104

• 1 <= k <= nums.length

详解：单调递减队列。 核心思想：越靠后(因为越靠后越年轻, 在后面可以被压榨的时间越长)&&越大的数(因为本题选最大值)更有价值，他们不应该被裁。所以在这里维护一个单调递减队列, 后面加入的数只有一种情况就是：新加入的数能比老员工创造更多的价值(更大)。里面的数据如：13、11、9、5、1、0

class Solution {
    public int[] maxSlidingWindow(int[] nums, int k) {
        // 开了家公司
        LinkedList<Integer> queue = new LinkedList<>();
        int n = nums.length;
​
        // 结果
        int[] res = new int[n - k + 1];
        int j = -1;
        // 公司开始运行了，招聘员工ing...
        for(int i = 0; i < n; i ++){
            // 公司还有员工的情况下，发现了一个新加入的员工，他不仅年轻(靠后)，能力还更强(数更大), 那就从kpi低的老员工开始优化
            
            // 观察了新员工的简历，先把能力比新员工低的老员工优化了(也就是后面的)
            while(!queue.isEmpty() && nums[i] >= nums[queue.peekLast()]){// 排名靠后的老员工
                queue.pollLast();
            }
            // 优化完老员工(当然队列中不存在元素的话就没法优化了),再加入新员工，此时新员工前面全是前辈(数值比他大)
            queue.addLast(i);
            // 判断能力最强的老员工是否到达35岁（是否在窗口的最后一个位置前）,精力不行的话赶紧优化掉
            if(queue.peek() <= i - k){
                queue.poll();
            }
​
            // 如果员工的数量已经可以评出优秀员工了，就选出第一名(其实就是第 i == k - 1 后开始的, 因为i的下标从0开始)
            if(i - k + 1 >= 0){
                res[++ j] = nums[queue.peek()];
            }
        }
        return res;
    }
}