`

单调队列-用一个长度为k的窗在整数数列上移动,求窗里面所包含的数的最大值

阅读更多
import java.util.LinkedList;

/*

单调队列 滑动窗口
单调队列是这样的一个队列:队列里面的元素是有序的,是递增或者递减

题目:给定一个长度为N的整数数列a(i),i=0,1,...,N-1和窗长度k.

要求:f(i) = max{a(i-k+1),a(i-k+2),..., a(i)},i = 0,1,...,N-1

问题的另一种描述就是用一个长度为k的窗在整数数列上移动,求窗里面所包含的数的最大值

详情见 
@陈利人 http://weibo.com/lirenchen
http://weibo.com/1915548291/z3T4HbRRr 
该条微博下有人回复说:
@我是RickyYang:维护一个有k个元素大顶堆,如果每次移出堆的是堆顶,那么将新数替换堆顶,并对堆做调整,
如果移出不是堆顶,则只需将新数和堆顶比较,大的留在堆顶,小的替换移出的数,无需调整堆。最坏的话时间复杂度nlogk,最好n-k+logk (11月6日 08:22)

这应该也是可行的。我的刚开始想到的也是用最大堆。不过稍嫌麻烦的是:“如果移出不是堆顶,则只需将新数和堆顶比较,大的留在堆顶,小的替换移出的数”
这样的话,要记录窗口移动后被移出窗口的那个数,同时“替换移出的数”,要在最大堆执行搜索

单调队列的参考思路:
http://xuyemin520.is-programmer.com/posts/25964

1.首先看插入元素:为了保证队列的递减性,我们在插入元素v的时候,要将队尾的元素和v比较,
如果队尾的元素不大于v,则删除队尾的元素,然后继续将新的队尾的元素与v比较,直到队尾的元素大于v,这个时候我们才将v插入到队尾

2.队尾的删除刚刚已经说了,那么队首的元素什么时候删除呢?
由于我们只需要保存i的前k-1个元素中的最大值,所以当队首的元素的索引或下标小于 i-k+1的时候,
就说明队首的元素对于求f(i)已经没有意义了,因为它已经不在窗里面了。所以当index[队首元素]<i-k+1时,将队首 元素删除

在下面的代码里面,实现队列时,我直接用了LinkedList,因为手工用数组维护一个单调队列要考虑挺多的。现在把重点放在算法的思路上^_^

*/
public class SlidingWindow {

	public static void main(String[] args) {
		/*
		int[] array = { 8, 7, 12, 5, 16, 9, 17, 2, 4, 6 };
		int k = 3;
		 */
		
		int[] array = { 3, 4, 5, 7, 3, 5, 2, 9 };
		int k = 3;
		
		int[] max = maxInWindow(array, k);
		for (int i : max) {
			System.out.println(i);
		}
	}

	public static int[] maxInWindow(int[] array, int k) {
		if (k <= 0 || array == null || array.length == 0) {
			System.out.println("invalid input");
			return new int[0];
		}
		int len = array.length;
		int[] max = new int[len];
		if (k == 1) {
			System.arraycopy(array, 0, max, 0, len);	//复制一份,不影响原数组
		} else {
			LinkedList<Item> queue = new LinkedList<Item>();
			for (int i = 0; i < len; i++) {
				Item curItem = new Item(array[i], i);
				if (queue.isEmpty()) {
					queue.addLast(curItem);
				} else {
					Item head = queue.getFirst();
					int headIndex = head.getIndex();
					
					//如果队首元素已不在窗口内,则删除
					if (headIndex < (i - k + 1)) {	
						queue.removeFirst();
					}
					
					//插入元素
					while (!queue.isEmpty()) {
						Item tail = queue.getLast();
						int tailValue = tail.getValue();
						if (tailValue < array[i]) {
							queue.removeLast();
							if (queue.isEmpty()) {
								queue.addLast(curItem);
								break;
							}
						} else if (tailValue > array[i]) {
							queue.addLast(curItem);
						} else {
							break;
						}
					}
				}
				
				//每次操作后,队首元素为当前窗口的最大值
				if (!queue.isEmpty()) {
					max[i] = queue.getFirst().getValue();
				}
			}
		}
		return max;
	}

}

class Item {
	
	//数组元素值
	private int value;
	
	//数组元素对应的下标
	private int index;

	public Item(int value, int index) {
		this.value = value;
		this.index = index;
	}

	public int getValue() {
		return value;
	}

	public int getIndex() {
		return index;
	}

}
0
2
分享到:
评论

相关推荐

    LDPC性能仿真与优化:参数调优、误比特率分析及译码方案对比

    内容概要:本文详细探讨了LDPC(低密度奇偶校验码)性能仿真的各个方面,包括关键参数的选择与调优、误比特率(BER)曲线的生成方法及其意义、以及不同译码方案的比较。文中通过具体的MATLAB和Python代码示例展示了如何进行LDPC码的设计与仿真,强调了码长、码率、列重等参数对性能的影响,并深入讨论了和积算法(Sum-Product)、最小和算法(Min-Sum)及其改进版本的特点和应用场景。此外,还介绍了软判决量化技术的优势与局限性,并提供了丰富的实战经验和技巧。 适合人群:从事通信工程、信道编码研究的专业人士,尤其是对LDPC码有浓厚兴趣的研究人员和技术开发者。 使用场景及目标:①帮助研究人员理解和掌握LDPC码的关键参数设置及其对性能的影响;②为开发人员提供实用的代码示例和优化建议,以便更好地应用于实际项目中;③通过对不同译码方案的比较,指导选择最适合特定应用场景的算法。 其他说明:本文不仅涵盖了理论分析,还包括大量实践经验分享,旨在为读者提供全面而深入的理解。同时提醒读者关注实际应用中的非理想因素,如信道噪声等,以确保仿真结果更加贴近现实情况。

    LLM大模型-python3.12版本的llama-cpp-python编译库

    Python3.12版本安装llama-cpp-python各种报错,试试我编译的库吧

    基于Qt框架的音频采集与播放工具

    本人创作,禁止商用

    机器学习中优化算法在极限学习机回归预测的应用及其实现

    内容概要:本文探讨了多种优化算法在极限学习机(ELM)回归预测中的应用,旨在提高ELM的性能。文中介绍了粒子群优化算法(PSO)、狼群优化算法(GWO)、黏菌优化算法(SMA)、麻雀优化算法(SSA)和鲸鱼优化算法(WOA),并通过具体的Matlab代码示例展示了每种算法的工作流程及其对ELM参数优化的效果。此外,还讨论了各算法的特点、适用场景及优化过程中需要注意的问题。 适合人群:从事机器学习领域的研究人员和技术人员,特别是对回归预测和优化算法感兴趣的读者。 使用场景及目标:适用于需要改进极限学习机性能的研究和工程项目,目标是通过引入不同的优化算法来提升ELM的预测精度和稳定性。 其他说明:文章提供了详细的代码实现和参数配置建议,帮助读者更好地理解和应用这些优化方法。同时,强调了在实际应用中应注意的数据预处理和参数选择等问题。

    Book Answer.zip

    Book Answer.zip

    Linux系统中定时任务设置与文件查找技术详解

    Linux系统中定时任务设置与文件查找技术详解

    综合能源系统中电、热、冷、气的分时电价与储能优化调度

    内容概要:本文详细探讨了综合能源系统中电、热、冷、气四种能源形式的优化调度方法,重点介绍了分时电价机制下的储能装置调度策略。通过Python代码实例展示了如何利用线性规划工具(如PuLP库)构建优化模型,实现储能装置的高效充放电管理以及多能流耦合设备的协调运作。文中不仅讨论了储能装置的充放电效率、初始电量设置等关键技术细节,还涉及了热泵、燃气锅炉、吸收式制冷机等多种设备之间的能量转换关系及其优化配置。 适合人群:从事综合能源系统研究的技术人员、能源管理系统开发者、工业自动化领域的工程师。 使用场景及目标:适用于需要降低综合能源系统运行成本的企业或机构,尤其是那些面临复杂电价政策和技术挑战的场景。目标是通过合理的调度策略,在满足各类能源需求的前提下,最大限度地减少运营成本,提高经济效益。 其他说明:文章强调了分时电价对储能调度的影响,并指出储能装置在削峰填谷方面的重要作用。此外,还提到了多时间尺度优化、设备启停成本等因素对整体优化效果的影响。

    超星学习助手5.5.zip

    超星学习助手5.5.zip

    C#通讯类库实现西门子PLC系列高效读写及批量处理

    内容概要:本文介绍了一种用于西门子PLC系列(如S7-200、300、1200、1500)的C#通讯类库。该类库能够直接嵌入C#框架,无需PLC端额外编码即可进行高效的单值和批量读写操作。文中详细展示了如何利用泛型方法、属性标签以及分块机制实现数据的快速传输,并讨论了连接管理和异常处理的最佳实践。此外,还介绍了类库在工业自动化项目中的应用优势,特别是在MES系统和云平台集成方面的灵活性。 适合人群:从事工业自动化项目的软件开发者和技术人员,尤其是熟悉C#编程并需要与西门子PLC交互的人群。 使用场景及目标:适用于需要将PLC数据对接MES系统或云平台的项目,旨在提高数据传输效率,减少开发时间和复杂度。具体应用场景包括但不限于生产线监控、设备参数调整、配方管理等。 其他说明:类库提供了丰富的API接口,支持多种数据类型的读写操作,同时具备良好的异常处理机制和性能优化措施。对于老项目的改造也非常友好,可以通过适配器模式快速集成到现有系统中。

    西门子S7-1200与威纶触摸屏在多工位自动化生产线中的集成应用及关键技术实现

    内容概要:本文详细介绍了在一个四工位打标机项目中,如何利用西门子S7-1200 PLC和威纶触摸屏进行多工位设备联调。主要内容涵盖四个方面:一是步进电机四轴协同控制,通过MC_Power、MC_MoveRelative等指令实现精确运动控制,并强调了轴同步启动的重要性;二是Modbus485轮询四台变频器,构建了完整的轮询状态机,解决了时序控制和报文粘连的问题;三是上位机拍照控制,通过TCP/IP通信实现了相机控制和图像数据接收,解决了TCP粘包问题;四是多工位联动,采用了状态矩阵法管理和协调各个工位的状态变化,确保系统的稳定性和可靠性。此外,还分享了一些调试经验和常见问题的解决方案,如接地处理、通讯线布线等。 适用人群:从事自动化控制系统设计、安装和维护的技术人员,尤其是对西门子PLC和威纶触摸屏有一定了解的工程师。 使用场景及目标:适用于需要进行多工位设备联调的自动化生产线项目,旨在提高设备间的协作效率,减少调试时间和成本,确保系统的稳定运行。 其他说明:文中提供了大量实际项目的代码片段和技术细节,有助于读者更好地理解和应用于实际工作中。同时,作者还分享了许多宝贵的调试经验和注意事项,对于新手来说是非常有价值的参考资料。

    三相并网逆变器中单矢量模型预测控制(MPC)的应用与优化

    内容概要:本文详细介绍了将模型预测控制(MPC)应用于三相并网逆变器的技术细节及其优化方法。首先对比了传统PI控制与MPC的区别,指出MPC能够更好地应对电网扰动。接着展示了MPC的核心算法,包括电压矢量的选择、预测模型的建立以及代价函数的设计。文中提到通过Clarke变换简化计算,并引入在线参数辨识提高预测准确性。此外,针对电网电压畸变等问题进行了改进,加入了谐波补偿项。硬件实测表明,MPC在电流跟踪精度和响应速度方面表现优异,特别是在电网电压突变情况下仍能保持稳定。 适合人群:从事电力电子、自动化控制领域的研究人员和技术人员,尤其是对三相并网逆变器感兴趣的专业人士。 使用场景及目标:适用于希望提升三相并网逆变器控制性能的研究项目或工业应用。主要目标是在保证高效能量传输的同时,减少开关损耗并提高系统的抗干扰能力。 其他说明:文章提供了丰富的代码片段和实践经验分享,有助于读者深入理解MPC的工作原理及其在实际工程中的应用技巧。同时强调了调参过程中的一些注意事项,如电感参数的影响、代价函数权重的选择等。

    基于新型趋近律的永磁同步电机(PMSM)滑模控制优化及其Python/MATLAB实现

    内容概要:本文详细探讨了针对永磁同步电机(PMSM)的传统滑模控制存在的抖振问题,并提出了一种基于新型趋近律的改进方案。文中首先介绍了新型趋近律的数学表达式及其物理意义,强调了参数γ和α对系统性能的影响。随后展示了Python和MATLAB两种环境下的实现代码,包括q轴电流控制器的设计、滑模面的构建以及控制律的具体实现。此外,文章还讨论了参数调试技巧、积分项处理方式、抗饱和措施等实用经验,并通过仿真和实验数据证明了改进方案的有效性。 适合人群:从事电机控制研究的技术人员、自动化领域的研究生及以上学历的研究者。 使用场景及目标:适用于需要提高PMSM控制系统稳定性和鲁棒性的场合,如工业自动化设备、电动汽车等领域。主要目标是减少抖振、提升响应速度并改善系统的总体性能。 其他说明:文中提供了大量具体的代码实例和调试建议,有助于读者快速理解和掌握新型趋近律的应用方法。同时指出了一些常见的陷阱和注意事项,为实际项目实施提供指导。

    基于Q-Learning的三维路径规划算法实现与应用-Python TensorFlow

    内容概要:本文详细介绍了如何使用Q-learning算法在三维环境中实现路径规划。首先构建了一个三维网格世界作为环境,其中包含了障碍物的设定。然后实现了Q-learning算法的核心部分,即QAgent类,负责根据当前状态选择最佳行动并更新Q值。为了提高效率,采用了字典形式的稀疏存储方式来记录状态-动作对的价值。此外,还设计了合理的奖励机制,如成功到达终点给予正向激励,碰到障碍物则给予负向反馈。同时提供了保存和加载训练成果的功能,以便后续复用。最后通过Matplotlib进行了可视化展示,直观呈现了智能体的学习过程及其最终形成的最优路径。 适合人群:对机器学习特别是强化学习感兴趣的开发者,以及从事机器人导航、自动驾驶等领域研究的专业人士。 使用场景及目标:适用于需要解决复杂环境下路径规划问题的应用场合,比如无人机飞行路径规划、室内机器人行走路线设计等。目的是使智能体能够在未知环境中自主寻找从起始位置到目标位置的安全路径。 其他说明:文中提到的方法虽然简单易懂,但在面对更大规模或连续性的环境时可能存在性能瓶颈。对于这类情况,可以考虑采用深度强化学习方法进一步改进。

    Matlab实现CPO-BP冠豪猪算法(CPO)优化BP神经网络时间序列预测的详细项目实例(含完整的程序,GUI设计和代码详解)

    内容概要:本文档详细介绍了如何使用Matlab实现CPO-BP冠豪猪算法(CPO)优化BP神经网络进行时间序列预测。项目背景在于时间序列预测的重要性及其面临的挑战,如数据噪声、非线性特征和BP神经网络易陷入局部最优解等问题。文中阐述了CPO优化BP神经网络的方法,通过CPO算法的全局搜索能力,提高了BP神经网络的预测精度和收敛速度。项目涵盖了从数据预处理、CPO算法优化、BP神经网络训练到预测的全过程,并提供了详细的代码示例。此外,项目还包括了GUI设计、模型评估、防止过拟合、参数调整等多个方面,确保模型的有效性和实用性。 适合人群:具备一定编程基础,熟悉Matlab和神经网络基础知识的研发人员,特别是从事时间序列预测研究和技术开发的专业人士。 使用场景及目标:①适用于金融、经济、电力需求、天气预报、医疗健康等多个领域的实际时间序列预测问题;②通过CPO优化BP神经网络,提高预测精度和模型收敛速度;③提供完整的代码实现和GUI界面,方便用户进行数据处理、模型训练和结果展示。 其他说明:项目不仅关注技术实现,还强调了实际应用中的注意事项,如数据质量、模型参数调优、算法收敛性、计算资源等。此外,项目提出了未来的改进方向,如引入深度强化学习、多模型集成、非平稳时间序列支持等,以进一步提升模型的性能和适应性。

    基于相位逗留原理的非线性调频(NLFM)信号matlab仿真(附源码)

    现将 POSP 的设计步骤总结如下:首先以选定的窗函数作为 NLFM 信号的功 率谱函数,然后通过积分可以求得其 NLFM 信号的群时延函数,然后再通过对群时 延函数取反,便可以得到 NLFM 信号的调频函数,在取反函数的过程中可能会用到 多项式拟合、三次样条插值法、正切函数逼近法以及初等函数分段拟合等手段,在 得到调频函数之后,对其积分,得到 NLFM 信号的相位函数 clc clear all close all % 参数设置 T = 10e-6; % 脉冲宽度10微秒 B = 20e6; % 带宽20MHz Fs = 2 * B; % 采样率40MHz N_samples = round(T * Fs); % 总采样点数 t_axis = linspace(-T/2, T/2, N_samples); % 时间轴[-T/2, T/2] % 生成频率轴[-B/2, B/2] f_axis = linspace(-B/2, B/2, N_samples); % 生成Hamming窗作为功率谱 S_f = hamming(N_sampl

    基于SpringBoot的在线学习系统:视频管理、积分排行与安全防护的关键实现

    内容概要:本文详细介绍了使用SpringBoot构建在线学习系统的具体实现和技术要点。首先探讨了视频管理功能,采用MinIO进行对象存储,确保视频文件的安全性和高效管理。接着讲解了积分排行榜的实现,利用Redis的ZSet结构提高查询效率并保持实时性。同时强调了系统安全性的多个方面,如防止XSS攻击、敏感词过滤以及权限控制机制。此外,还分享了一些实用技巧,如文件下载时避免内存溢出、视频播放的分片传输、以及使用FFmpeg优化视频格式等。 适合人群:具有一定Java开发经验,特别是熟悉Spring框架的开发者,以及希望深入了解在线教育平台架构设计的技术爱好者。 使用场景及目标:适用于正在开发或维护在线教育平台的技术团队,旨在提升系统的稳定性和用户体验。主要目标包括:实现高效的视频上传和播放、构建高性能的积分系统、保障系统的安全性。 其他说明:文中不仅提供了具体的代码示例,还分享了许多实践经验,帮助读者更好地理解和应用相关技术。对于想要深入研究SpringBoot及其生态系统的人来说,是一份非常有价值的参考资料。

    双馈风力发电系统中基于双PWM变换器的直接转矩输入控制与抗干扰设计

    内容概要:本文深入探讨了双馈风力发电系统中基于双PWM变换器的直接转矩输入控制策略及其抗干扰设计。首先介绍了转子侧基于定子磁链定向的矢量控制,包括速度环和电流环的PI调节器参数设置及解耦补偿。接着讨论了网侧直接功率控制,强调了功率因数锁定在1.0的目标以及解耦算法的应用。此外,还详细描述了crowbar保护电路的作用及其触发逻辑,展示了其在应对风速突变和电网电压波动时的有效性。文中提供了多个代码片段用于解释具体实现,并分享了实际仿真的测试结果。 适合人群:从事风力发电系统设计与维护的技术人员,尤其是对双PWM变换器和直接转矩控制感兴趣的工程师。 使用场景及目标:适用于希望深入了解双馈风力发电系统控制策略的研究人员和技术人员。主要目标是掌握直接转矩输入控制的具体实现方法,提高系统的抗干扰能力和稳定性。 其他说明:文章引用了多篇权威文献,如《电力电子技术》和IEEE Transactions on Power Electronics,为读者提供了进一步学习的方向。同时,作者强调了现场调试的重要性,鼓励读者结合理论与实践进行探索。

    基于MATLAB的综合能源系统中主从博弈与碳交易机制的程序设计

    内容概要:本文详细介绍了利用MATLAB进行综合能源系统的设计,重点探讨了主从博弈、多主体博弈以及碳交易机制的应用。文中通过具体的数学模型和代码实例展示了如何平衡多种能源的供需关系,如太阳能、风能和传统火力发电。作者通过定义成本函数、效用函数和碳排放函数,结合MATLAB的优化工具包(如fmincon),实现了对能源分配、碳交易和需求响应的仿真。此外,文章还分享了一些实际项目中的经验和技巧,如如何避免代码中的常见错误和优化性能。 适合人群:从事综合能源系统研究的技术人员、研究生及以上学历的学生,尤其是那些熟悉MATLAB编程和有一定优化理论基础的人群。 使用场景及目标:适用于需要理解和应用博弈论、优化方法于能源管理系统中的研究人员和技术开发者。主要目标是帮助读者掌握如何使用MATLAB实现复杂的能源管理和碳交易模型,从而更好地应对实际工程项目中的挑战。 其他说明:文章不仅提供了详细的代码示例,还包含了丰富的背景知识介绍和实践经验分享,有助于读者全面理解相关概念并在实践中加以运用。

    基于MATLAB仿真的Z源光伏并网系统:扰动观察法与双闭环控制的应用

    内容概要:本文详细介绍了如何利用MATLAB搭建Z源光伏并网系统的仿真模型,重点探讨了扰动观察法(P&O)实现最大功率点跟踪(MPPT)以及电压电流双闭环控制的具体方法。文中通过具体代码展示了直通矢量法在Z源逆变器中的应用,解释了如何通过调整开关管的状态来实现电压提升,并讨论了双闭环控制中PID控制器的参数设置及其对抗电网扰动的作用。此外,文章还分享了一些仿真过程中的实践经验,如初始化设置、仿真精度和参数调整等方面的问题。 适合人群:从事电力电子、新能源发电领域的研究人员和技术人员,尤其适用于有一定MATLAB/Simulink基础并对光伏并网系统感兴趣的读者。 使用场景及目标:①帮助读者理解Z源逆变器的工作原理及其在光伏并网系统中的优势;②掌握扰动观察法和双闭环控制的具体实现方法;③提高仿真模型的准确性,为实际系统的设计和优化提供参考。 其他说明:文章强调了仿真过程中的一些关键技术和注意事项,如直通矢量的插入策略、PID参数的整定、仿真精度的选择等。通过对这些技术细节的深入探讨,旨在为读者提供一个完整的Z源光伏并网系统仿真解决方案。

    OFDM系统中降低PAPR的MATLAB仿真:PTS、SLM和C变换算法实现

    内容概要:本文详细介绍了在OFDM(正交频分复用)系统中降低高峰均功率比(PAPR)的技术手段及其MATLAB仿真实现。文中首先构建了一个基础的OFDM发送端模型,随后依次讲解了PTS(部分传输序列)、SLM(选择性映射)和C变换三种主要的PAPR降低算法。对于每种算法,不仅提供了详细的代码实现步骤,还进行了CCDF(互补累积分布函数)仿真,以直观展示不同算法的效果。通过大量的仿真测试,比较了各种算法在降低PAPR方面的性能差异,帮助读者深入了解这些算法的工作原理及其应用场景。 适合人群:通信工程专业学生、从事无线通信系统设计的研究人员和技术人员。 使用场景及目标:适用于需要理解和解决OFDM系统中PAPR问题的专业人士,旨在提供理论指导和实用工具,帮助他们在实际项目中选择最适合的PAPR降低方案。 其他说明:本文提供的代码基于MATLAB 2012a环境,不同版本可能会有一些细微差别。此外,文中提到的各种算法各有优劣,在实际应用中可以根据具体需求灵活选择或组合使用。

Global site tag (gtag.js) - Google Analytics