手机在线做ppt模板下载网站淘宝seo优化是什么

一、题目

        请设计一个自助结账系统，该系统需要通过一个队列来模拟顾客通过购物车的结算过程，需要实现的功能有：

• get_max()：获取结算商品中的最高价格，如果队列为空，则返回 -1
• add(value)：将价格为 value 的商品加入待结算商品队列的尾部
• remove()：移除第一个待结算的商品价格，如果队列为空，则返回 -1

        注意，为保证该系统运转高效性，以上函数的均摊时间复杂度均为 O(1)

 

示例 1：

输入: 
["Checkout","add","add","get_max","remove","get_max"]
[[],[4],[7],[],[],[]]输出: [null,null,null,7,4,7]

示例 2：

输入: 
["Checkout","remove","get_max"]
[[],[],[]]输出: [null,-1,-1]

 

提示：

• 1 <= get_max, add, remove 的总操作数 <= 10000
• 1 <= value <= 10^5

 

二、解题思路     

        我们可以使用单调的双端队列来解决，该方法的精髓在于通过保持队列的单调递减顺序来高效地解决最大值查询问题。算法的关键洞见是：一旦新元素被加入队列，它之前的所有较小的元素都不再可能成为最大值。这一点通过维护一个严格递减的双端队列得以实现，具体过程如下：

核心原理

        以一个数字序列例如 [1, 1, 1, 1, 2] 为例，一旦数字 2 被加入队列，所有在它之前的数字 1 都不再有可能成为最大值。这是因为在队列的出队操作中，数字 2 只会在所有数字 1 都被移除之后才可能被移除。换言之，任何时刻只要队列中有数字 1，数字 2 也必然在队列中，从而使得数字 1 对最大值的判断没有任何影响。这就揭示了维护队列单调递减的重要性——只有当队列中的每个元素都保证比它前面的元素大时，我们才能在 O(1) 的时间复杂度内查询到最大值。

实现机制

- **双端队列的应用**  
        使用双端队列可以从两端进行元素的添加和移除操作。在新元素加入时，我们从队列尾部开始，移除所有小于当前新元素的值，直到遇到一个更大的值或队列为空。这个过程保证了队列的单调递减特性。通过数学归纳法可以证明，如果在加入新元素之前队列是单调递减的，那么加入新元素后队列仍然是单调递减的。

- **辅助队列的配合**  
        除了双端队列，还需要一个辅助队列来记录所有加入的元素。这个辅助队列用来同步删除操作，确保当我们从双端队列的头部移除最大值时，辅助队列也相应地从头部移除元素。这样可以保持双端队列始终反映当前有效元素的最大值。

- **极值查询的优化**  
        由于队列的单调递减特性，查询当前最大值只需要简单地查看双端队列的首部元素。这样，原本需要遍历整个队列的操作被优化到了常数时间复杂度，大大提高了查询效率，特别是在需要频繁进行最大值查询的场景中。

        总的来说，该算法通过巧妙地利用双端队列和辅助队列，实现了一个能够快速查询最大值的队列结构，对于需要实时处理数据并经常查询最大值的应用场景来说，这是一个极具效率的解决方案。

 

三、代码实现

#include <iostream>
#include <queue>
#include <deque>using namespace std;// Checkout 类，用于模拟一个结账队列，可以添加元素、移除元素以及获取队列中的最大值
class Checkout {queue<int> q; // 存储所有元素的队列deque<int> d; // 双端队列，用于维护队列中所有元素的最大值public:Checkout() {// 构造函数不需要任何操作}// 获取当前队列中的最大值int get_max() {if (d.empty())return -1; // 如果双端队列为空，则返回 -1return d.front(); // 返回双端队列的首元素，即最大值}// 向队列中添加一个新元素void add(int value) {// 从双端队列的尾部开始，移除所有小于新元素的值while (!d.empty() && d.back() < value) {d.pop_back();}d.push_back(value); // 在双端队列尾部添加新元素q.push(value); // 在队列尾部添加新元素}// 从队列中移除一个元素int remove() {if (q.empty())return -1; // 如果队列为空，则返回 -1int ans = q.front(); // 获取队列的首元素if (ans == d.front()) {d.pop_front(); // 如果队列的首元素是当前最大值，则也从双端队列中移除}q.pop(); // 从队列中移除首元素return ans; // 返回被移除的元素}
};int main() {// 示例 1Checkout checkout1;checkout1.add(4);checkout1.add(7);cout << checkout1.get_max() << endl; // 输出应为 7cout << checkout1.remove() << endl;   // 输出应为 4cout << checkout1.get_max() << endl; // 输出应为 7// 示例 2Checkout checkout2;cout << checkout2.remove() << endl;  // 输出应为 -1cout << checkout2.get_max() << endl; // 输出应为 -1return 0;
}

时间复杂度

• add(int value) 函数：该函数中，我们在双端队列 d 中添加元素之前，可能会移除一些元素。虽然这个操作看起来是在一个循环中，但每个元素最多只会被添加一次并最多被移除一次。因此，对于 n 次 add 操作，总的时间复杂度是 O(n)。这意味着单次 add 操作的摊还时间复杂度是 O(1)。

• remove() 函数：该函数中，我们移除队列 q 中的元素，并且可能会移除双端队列 d 中的元素（如果它是当前最大值）。这些操作都是常数时间的，因此 remove 的时间复杂度是 O(1)。

• get_max() 函数：该函数只是返回双端队列 d 的首元素，是常数时间的操作，所以 get_max 的时间复杂度是 O(1)。

空间复杂度

• 对于 Checkout 类，主要的空间消耗来自于存储元素的队列 q 和双端队列 d。在最坏的情况下，如果没有元素被移除，这两个数据结构中都会存储所有添加的元素。

• 如果我们添加了 n 个元素，那么队列 q 将包含 n 个元素。双端队列 d 在最坏的情况下（即所有元素都按递减顺序添加），也会包含 n 个元素。因此，空间复杂度是 O(n)。

总结起来，对于 Checkout 类的每个操作，我们有：

• 时间复杂度：O(1)（对于 add，是摊还的时间复杂度）
• 空间复杂度：O(n)（其中 n 是添加到队列中的元素数量）