2021-03-20 08:30:29 +00:00
|
|
|
|
> 如果阅读时，发现错误，或者动画不可以显示的问题可以添加我微信好友 **[tan45du_one](https://raw.githubusercontent.com/tan45du/tan45du.github.io/master/个人微信.15egrcgqd94w.jpg)** ，备注 github + 题目 + 问题 向我反馈
|
|
|
|
|
|
>
|
|
|
|
|
|
> 感谢支持，该仓库会一直维护，希望对各位有一丢丢帮助。
|
|
|
|
|
|
>
|
|
|
|
|
|
> 另外希望手机阅读的同学可以来我的 <u>[**公众号：袁厨的算法小屋**](https://raw.githubusercontent.com/tan45du/test/master/微信图片_20210320152235.2pthdebvh1c0.png)</u> 两个平台同步，想要和题友一起刷题，互相监督的同学，可以在我的小屋点击<u>[**刷题小队**](https://raw.githubusercontent.com/tan45du/test/master/微信图片_20210320152235.2pthdebvh1c0.png)</u>进入。
|
|
|
|
|
|
|
2021-03-20 07:48:03 +00:00
|
|
|
|
#### [1438. 绝对差不超过限制的最长连续子数组](https://leetcode-cn.com/problems/longest-continuous-subarray-with-absolute-diff-less-than-or-equal-to-limit/)
|
2021-03-17 11:49:19 +00:00
|
|
|
|
|
|
|
|
|
|
给你一个整数数组 nums ，和一个表示限制的整数 limit，请你返回最长连续子数组的长度，该子数组中的任意两个元素之间的绝对差必须小于或者等于 limit 。
|
|
|
|
|
|
|
|
|
|
|
|
如果不存在满足条件的子数组，则返回 0 。
|
|
|
|
|
|
|
|
|
|
|
|
示例
|
|
|
|
|
|
|
|
|
|
|
|
> 输入：nums = [10,1,2,4,7,2], limit = 5
|
|
|
|
|
|
> 输出：4
|
|
|
|
|
|
> 解释：满足题意的最长子数组是 [2,4,7,2]，其最大绝对差 |2-7| = 5 <= 5 。
|
|
|
|
|
|
|
|
|
|
|
|
**提示：**
|
|
|
|
|
|
|
|
|
|
|
|
- 1 <= nums.length <= 10^5
|
|
|
|
|
|
|
|
|
|
|
|
- 1 <= nums[i] <= 10^9
|
|
|
|
|
|
- 0 <= limit <= 10^9
|
|
|
|
|
|
|
|
|
|
|
|
**题目解析**
|
|
|
|
|
|
|
|
|
|
|
|
我们结合题目，示例，提示来看，这个题目也可以使用滑动窗口的思想来解决。我们需要判断某个子数组是否满足最大绝对差不超过限制值。
|
|
|
|
|
|
|
|
|
|
|
|
那么我们应该怎么解决呢？
|
|
|
|
|
|
|
|
|
|
|
|
我们想一下，窗口内的最大绝对差，如果我们知道窗口的最大值和最小值，最大值减去最小值就能得到最大绝对差。
|
|
|
|
|
|
|
|
|
|
|
|
所以我们这个问题就变成了获取滑动窗口内的最大值和最小值问题，哦？滑动窗口的最大值，是不是很熟悉，大家可以先看一下[滑动窗口的最大值](https://leetcode-cn.com/problems/hua-dong-chuang-kou-de-zui-da-zhi-lcof/solution/yi-shi-pin-sheng-qian-yan-shuang-duan-du-mbga/)这个题目，那我们完全可以借助刚才题目的思想来解决这个题目。啪的一下我就搞懂了。
|
|
|
|
|
|
|
|
|
|
|
|
滑动窗口的最大值，我们当时借助了双端队列，来维护一个单调递减的双端队列，进而得到滑动窗口的最大值
|
|
|
|
|
|
|
|
|
|
|
|
那么我们同样可以借助双端队列，来维护一个单调递增的双端队列，来获取滑动窗口的最小值。既然知道了最大值和最小值，我们就可以判断当前窗口是否符合要求，如果符合要求则扩大窗口，不符合要求则缩小窗口，循环结束返回最大的窗口值即可。
|
|
|
|
|
|
|
|
|
|
|
|
下面我们来看一下我们的动画模拟，一下就能看懂！
|
|
|
|
|
|
|
2021-03-20 04:32:33 +00:00
|
|
|
|
<img src="https://img-blog.csdnimg.cn/20210320092423565.gif" style="zoom:150%;" />
|
2021-03-17 11:49:19 +00:00
|
|
|
|
|
|
|
|
|
|
其实，我们只要把握两个重点即可，我们的 maxdeque 维护的是一个单调递减的双端队列，头部为当前窗口的最大值， mindeque 维护的是一个单调递增的双端队列，头部为窗口的最小值，即可。好啦我们一起看代码吧。
|
|
|
|
|
|
|
|
|
|
|
|
```java
|
|
|
|
|
|
class Solution {
|
|
|
|
|
|
public int longestSubarray(int[] nums, int limit) {
|
|
|
|
|
|
|
|
|
|
|
|
Deque<Integer> maxdeque = new LinkedList<>();
|
|
|
|
|
|
Deque<Integer> mindeque = new LinkedList<>();
|
|
|
|
|
|
int len = nums.length;
|
|
|
|
|
|
int right = 0, left = 0, maxwin = 0;
|
|
|
|
|
|
|
|
|
|
|
|
while (right < len) {
|
|
|
|
|
|
while (!maxdeque.isEmpty() && maxdeque.peekLast() < nums[right]) {
|
|
|
|
|
|
maxdeque.removeLast();
|
|
|
|
|
|
}
|
|
|
|
|
|
while (!mindeque.isEmpty() && mindeque.peekLast() > nums[right]) {
|
|
|
|
|
|
mindeque.removeLast();
|
|
|
|
|
|
}
|
|
|
|
|
|
//需要更多视频解算法，可以来我的公众号：袁厨的算法小屋
|
|
|
|
|
|
maxdeque.addLast(nums[right]);
|
|
|
|
|
|
mindeque.addLast(nums[right]);
|
|
|
|
|
|
while (maxdeque.peekFirst() - mindeque.peekFirst() > limit) {
|
|
|
|
|
|
if (maxdeque.peekFirst() == nums[left]) maxdeque.removeFirst();
|
|
|
|
|
|
if (mindeque.peekFirst() == nums[left]) mindeque.removeFirst();
|
|
|
|
|
|
left++;
|
|
|
|
|
|
}
|
|
|
|
|
|
//保留最大窗口
|
|
|
|
|
|
maxwin = Math.max(maxwin,right-left+1);
|
|
|
|
|
|
right++;
|
|
|
|
|
|
}
|
|
|
|
|
|
return maxwin;
|
|
|
|
|
|
}
|
|
|
|
|
|
}
|
|
|
|
|
|
```
|
|
|
|
|
|
|
