关于leetcode:大厂算法面试之leetcode精讲18队列

大厂算法面试之 leetcode 精讲 18. 队列

视频解说（高效学习）: 点击学习

目录：

1. 开篇介绍

2. 工夫空间复杂度

3. 动静布局

4. 贪婪

5. 二分查找

6. 深度优先 & 广度优先

7. 双指针

8. 滑动窗口

9. 位运算

10. 递归 & 分治

11 剪枝 & 回溯

12. 堆

13. 枯燥栈

14. 排序算法

15. 链表

16.set&map

17. 栈

18. 队列

19. 数组

20. 字符串

21. 树

22. 字典树

23. 并查集

24. 其余类型题

• 队列的特点：先进先出（FIFO）
• 队列的工夫复杂度：入队和出队O(1)，查找O(n)
• 优先队列：priorityQueue，按优先级出队，实现 Heap(Binary,Fibonacci...)
• js 里没有队列，然而能够用数组模仿

225. 用队列实现栈 (easy)

办法 1. 应用两个 Queue 实现

• 思路：还是考查栈和队列的相熟水平，没有什么具体的工程实际意义，能够用两个队列来实现栈的性能，然而一个队列的数据导入另一个队列程序还是没有扭转，所以其中一个队列只是用来做备份的，在代码里 queue2 就是备份队列，入栈的时候，队列 1 入队，出栈的时候，如果队列 1 为空，则替换队列 1 和队列 2，为的是将备份队列的元素全副退出队列 1，而后将队列 1 中除了最初一个元素外全副出队，并且退出备份队列，
• 复杂度剖析：push 的工夫复杂度为O(1)，pop 的工夫复杂度为O(n)。空间复杂度O(n)，其中 n 是栈内元素的个数，用两个队列来存储

动画过大，点击查看

Js:

var MyStack = function() {this.queue1 = [];
    this.queue2 = [];// 备份的队列};

MyStack.prototype.push = function(x) {this.queue1.push(x);
};

MyStack.prototype.pop = function() {
      // 缩小两个队列替换的次数，只有当 queue1 为空时，替换两个队列
    if(!this.queue1.length) {[this.queue1, this.queue2] = [this.queue2, this.queue1];
    }
    while(this.queue1.length > 1) {// 当队列 1 的元素数量大于 1 的时候一直将元素 push 进备份队列
        this.queue2.push(this.queue1.shift());
    }
    return this.queue1.shift();// 最初将队列 1 最初一个元素出队};

MyStack.prototype.top = function() {const x = this.pop();// 查看栈顶，队列出队，而后在 push 进队列 1
    this.queue1.push(x);
    return x;
};

MyStack.prototype.empty = function() {return !this.queue1.length && !this.queue2.length;};

Java:

class MyStack {
    Queue<Integer> queue1; 
    Queue<Integer> queue2; 

    public MyStack() {queue1 = new LinkedList<>();
        queue2 = new LinkedList<>();}
    
    public void push(int x) {queue2.offer(x);
        while (!queue1.isEmpty()){queue2.offer(queue1.poll());
        }
        Queue<Integer> queueTemp;
        queueTemp = queue1;
        queue1 = queue2;
        queue2 = queueTemp;
    }
    
    public int pop() {return queue1.poll(); 
    }

    public int top() {return queue1.peek();
    }

    public boolean empty() {return queue1.isEmpty();
    }
}

办法 2. 应用一个 队列 实现

动画过大，点击查看

• 思路：应用一个 队列 实现，入栈的时候间接 push 进队列就行，出栈的时候将除了最初一个元素外的元素全副退出到队尾。
• 复杂度剖析：push 的工夫复杂度为O(1)，pop 的工夫复杂度为O(n)，空间复杂度O(n)

js:

var MyStack = function() {this.queue = [];
};

MyStack.prototype.push = function(x) {this.queue.push(x);
};

MyStack.prototype.pop = function() {
    let size = this.queue.length;
    while(size-- > 1) {// 将除了最初一个元素外的元素全副退出到队尾。this.queue.push(this.queue.shift());
    }
    return this.queue.shift();};

MyStack.prototype.top = function() {const x = this.pop();// 先出栈，而后在退出队列
    this.queue.push(x);
    return x;
};

MyStack.prototype.empty = function() {return !this.queue.length;};

java:

class MyStack {
    Deque<Integer> queue1;

    public MyStack() {queue1 = new ArrayDeque<>();
    }

    public void push(int x) {queue1.addLast(x);
    }
    
    public int pop() {int size = queue1.size();
        size--;
        while (size-- > 0) {queue1.addLast(queue1.peekFirst());
            queue1.pollFirst();}

        int res = queue1.pollFirst();
        return res;
    }
    
    public int top() {return queue1.peekLast();
    }
    
    public boolean empty() {return queue1.isEmpty();
    }
}

703. 数据流中的第 K 大元素 (easy)

办法 1: 暴力排序

• 思路：当数据流有新的元素的时候，从新按升序排序数组，倒数第 k 个元素就是第 k 大的数
• 复杂度剖析：工夫复杂度O(c*zlogz)，z 为数据流的最长长度，c 为退出元素的个数，排序复杂度是O(zlogz)，退出 c 次排序就须要排序 c 次。

办法 2: 堆

• 思路：用一个 size 是 k 的小顶堆来存贮前 k 个元素，堆顶是最小的元素，在循环数组的过程中，一直退出元素而后调整元素在堆中的地位，如果此时优先队列的大小大于 k，咱们须要将优先队列的队头元素弹出，以保障优先队列的大小为 k，最初堆顶就是第 K 大元素的地位
• 复杂度剖析：工夫复杂度O(nlogk)，n 是初始数组的大小，k 是堆的大小，初始堆化和单次插入堆的复杂度都是O(logk)，数组的每个数都要插入堆中一次，所以是O(nlogk)。空间复杂度：O(k), 即堆的大小

js:

var KthLargest = function (k, nums) {
    this.k = k;
    this.heap = new Heap();
    for (const x of nums) {// 将数组中的数退出小顶堆
        this.add(x);// 退出小顶堆
    }
};

KthLargest.prototype.add = function (val) {this.heap.offer(val);// 退出堆
    if (this.heap.size() > this.k) {// 大小超过了小顶堆的 size，就从小顶堆删除一个最小的元素
        this.heap.poll();// 删除最小的元素}
    return this.heap.peek();// 返回堆顶};

class Heap {constructor(comparator = (a, b) => a - b, data = []) {
        this.data = data;
        this.comparator = comparator;// 比拟器
        this.heapify();// 堆化}

    heapify() {if (this.size() < 2) return;
        for (let i = Math.floor(this.size()/2)-1; i >= 0; i--) {this.bubbleDown(i);//bubbleDown 操作
        }
    }

    peek() {if (this.size() === 0) return null;
        return this.data[0];// 查看堆顶
    }

    offer(value) {this.data.push(value);// 退出数组
        this.bubbleUp(this.size() - 1);// 调整退出的元素在小顶堆中的地位
    }

    poll() {if (this.size() === 0) {return null;}
        const result = this.data[0];
        const last = this.data.pop();
        if (this.size() !== 0) {this.data[0] = last;// 替换第一个元素和最初一个元素
            this.bubbleDown(0);//bubbleDown 操作
        }
        return result;
    }

    bubbleUp(index) {while (index > 0) {const parentIndex = (index - 1) >> 1;// 父节点的地位
            // 如果以后元素比父节点的元素小，就替换以后节点和父节点的地位
            if (this.comparator(this.data[index], this.data[parentIndex]) < 0) {this.swap(index, parentIndex);// 替换本人和父节点的地位
                index = parentIndex;// 一直向上取父节点进行比拟
            } else {break;// 如果以后元素比父节点的元素大，不须要解决}
        }
    }

    bubbleDown(index) {const lastIndex = this.size() - 1;// 最初一个节点的地位
        while (true) {
            const leftIndex = index * 2 + 1;// 左节点的地位
            const rightIndex = index * 2 + 2;// 右节点的地位
            let findIndex = index;//bubbleDown 节点的地位
            // 找出左右节点中 value 小的节点
            if (
                leftIndex <= lastIndex &&
                this.comparator(this.data[leftIndex], this.data[findIndex]) < 0
            ) {findIndex = leftIndex;}
            if (
                rightIndex <= lastIndex &&
                this.comparator(this.data[rightIndex], this.data[findIndex]) < 0
            ) {findIndex = rightIndex;}
            if (index !== findIndex) {this.swap(index, findIndex);// 替换以后元素和左右节点中 value 小的
                index = findIndex;
            } else {break;}
        }
    }

    swap(index1, index2) {// 替换堆中两个元素的地位
        [this.data[index1], this.data[index2]] = [this.data[index2], this.data[index1]];
    }

    size() {return this.data.length;}
}

java:

class KthLargest {
    PriorityQueue<Integer> pq;
    int k;

    public KthLargest(int k, int[] nums) {
        this.k = k;
        pq = new PriorityQueue<Integer>();
        for (int x : nums) {add(x);
        }
    }
    
    public int add(int val) {pq.offer(val);
        if (pq.size() > k) {pq.poll();
        }
        return pq.peek();}
}

23. 合并 K 个升序链表 (hard)

办法 1. 分治

• 思路：自底而上归并，第一次归并 2 个链表，第二次归并 4 个链表 …，每次归并一直合并两个有序链表，直到合并完所有分治后的链表
• 复杂度：工夫复杂度O(n * logk)，n 是每个链表节点数，k 个链表个数，每次归并，链表数量较少一半，复杂度是O(logk)，将两个链表合并成一个程序链表复杂度是O(2n)，所以工夫复杂度是 O(n * logk)。空间复杂度是O(logk)，即递归的空格复杂度

js:

// 自顶而下归并 先分在合
var mergeKLists = function (lists) {
    // 当是空数组的状况下
    if (!lists.length) {return null;}
    // 合并两个排序链表
    const merge = (head1, head2) => {let dummy = new ListNode(0);
        let cur = dummy;
        // 新链表，新的值小就先接谁
        while (head1 && head2) {if (head1.val < head2.val) {
                cur.next = head1;
                head1 = head1.next;
            } else {
                cur.next = head2;
                head2 = head2.next;
            }
            cur = cur.next;
        }
        // 如果前面还有残余的就把残余的接上
        cur.next = head1 == null ? head2 : head1;
        return dummy.next;
    };
    const mergeLists = (lists, start, end) => {if (start + 1 == end) {return lists[start];
        }
        // 输出的 k 个排序链表，能够分成两局部，前 k / 2 个链表和后 k / 2 个链表
        // 如果将这前 k / 2 个链表和后 k / 2 个链表别离合并成两个排序的链表，再将两个排序的链表合并，那么所有链表都合并了
        let mid = (start + end) >> 1;
        let head1 = mergeLists(lists, start, mid);
        let head2 = mergeLists(lists, mid, end);
        return merge(head1, head2);
    };
    return mergeLists(lists, 0, lists.length);
};

// 自底而上合并
var mergeKLists = function (lists) {if (lists.length <= 1) return lists[0] || null;// 当归并的节点只有一个时 返回这个节点
    const newLists = [];
    // 自底而上归并，第一次归并大小为 2 的链表，第二次归并大小 4 的链表...
    for (let i = 0; i < lists.length; i += 2) {newLists.push(merge(lists[i], lists[i + 1] || null));
    }
    return mergeKLists(newLists);
};

const merge = (list_1, list_2) => {// 合并两个有序链表
    const dummyNode = new ListNode(0);
    let p = dummyNode;

    while (list_1 && list_2) {if (list_1.val < list_2.val) {// 先将小的节点退出
            p.next = list_1;
            list_1 = list_1.next;
        } else {
            p.next = list_2;
            list_2 = list_2.next;
        }
        p = p.next;
    }

    p.next = list_1 ? list_1 : list_2;// 遍历实现还有节点残余
    return dummyNode.next;
};

java:

class Solution {public ListNode mergeKLists(ListNode[] lists) {return mergeLists(lists, 0, lists.length - 1);
    }

    public ListNode mergeLists(ListNode[] lists, int start, int end) {if (start == end) {return lists[start];
        }
        if (start > end) {return null;}
        int mid = (start + end) >> 1;
        return merge(mergeLists(lists, start, mid), mergeLists(lists, mid + 1, end));
    }

    public ListNode merge(ListNode head1, ListNode head2) {if (head1 == null || head2 == null) {return head1 != null ? head1 : head2;}
        ListNode dummyNode = new ListNode(0);
        ListNode cur = dummyNode;
        while (head1 != null && head2 != null) {if (head1.val < head2.val) {
                cur.next = head1;
                head1 = head1.next;
            } else {
                cur.next = head2;
                head2 = head2.next;
            }
            cur = cur.next;
        }
        cur.next = (head1 != null ? head1 : head2);
        return dummyNode.next;
    }
}

办法 2. 优先队列

• 思路：新建小顶堆，小顶堆的大小是 k，一直从每个链表的头节点开始一直退出小顶堆中，而后取出堆顶值，也就是最小值，而后持续往小顶堆中插入这个最小值在链表的 next 节点
• 复杂度：工夫复杂度O(kn * logk)，优先队列的大小是 k，每次插入和删除是O(logk)，总共 k * n 的节点个数，每个节点插入删除一次，所以总的复杂度是O(kn*logk)。空间复杂度是O(k)，即优先队列的大小

js:

class Heap {constructor(comparator = (a, b) => a - b, data = []) {this.data = data;        this.comparator = comparator;// 比拟器        this.heapify();// 堆化    }    heapify() {        if (this.size() < 2) return;        for (let i = Math.floor(this.size()/2)-1; i >= 0; i--) {this.bubbleDown(i);//bubbleDown 操作        }    }    peek() {        if (this.size() === 0) return null;        return this.data[0];// 查看堆顶    }    offer(value) {this.data.push(value);// 退出数组        this.bubbleUp(this.size() - 1);// 调整退出的元素在小顶堆中的地位    }    poll() {        if (this.size() === 0) {return null;}        const result = this.data[0];        const last = this.data.pop();        if (this.size() !== 0) {this.data[0] = last;// 替换第一个元素和最初一个元素            this.bubbleDown(0);//bubbleDown 操作        }        return result;    }    bubbleUp(index) {while (index > 0) {const parentIndex = (index - 1) >> 1;// 父节点的地位            // 如果以后元素比父节点的元素小，就替换以后节点和父节点的地位            if (this.comparator(this.data[index], this.data[parentIndex]) < 0) {this.swap(index, parentIndex);// 替换本人和父节点的地位                index = parentIndex;// 一直向上取父节点进行比拟            } else {break;// 如果以后元素比父节点的元素大，不须要解决}        }    }    bubbleDown(index) {const lastIndex = this.size() - 1;// 最初一个节点的地位        while (true) {const leftIndex = index * 2 + 1;// 左节点的地位            const rightIndex = index * 2 + 2;// 右节点的地位            let findIndex = index;//bubbleDown 节点的地位            // 找出左右节点中 value 小的节点            if (                leftIndex <= lastIndex &&                this.comparator(this.data[leftIndex], this.data[findIndex]) < 0            ) {findIndex = leftIndex;}            if (rightIndex <= lastIndex &&                this.comparator(this.data[rightIndex], this.data[findIndex]) < 0            ) {findIndex = rightIndex;}            if (index !== findIndex) {this.swap(index, findIndex);// 替换以后元素和左右节点中 value 小的                index = findIndex;            } else {break;}        }    }    swap(index1, index2) {// 替换堆中两个元素的地位        [this.data[index1], this.data[index2]] = [this.data[index2], this.data[index1]];    }    size() {        return this.data.length;}}var mergeKLists = function(lists) {const res = new ListNode(0);    let p = res;    const h = new Heap(comparator = (a, b) => a.val - b.val);    lists.forEach(l => {// 插入每个链表的第一个节点        if(l) h.offer(l);    })    while(h.size()) {//        const n = h.poll();// 取出最小值        p.next = n;// 最小值退出 p 的 next 后        p = p.next;// 挪动 p 节点        if(n.next) h.offer(n.next);// 插入最小节点的后一个节点    }    return res.next;};

java:

class Solution {
    class Status implements Comparable<Status> {
        int val;
        ListNode ptr;

        Status(int val, ListNode ptr) {
            this.val = val;
            this.ptr = ptr;
        }

        public int compareTo(Status status2) {return this.val - status2.val;}
    }

    PriorityQueue<Status> h = new PriorityQueue<Status>();

    public ListNode mergeKLists(ListNode[] lists) {for (ListNode node: lists) {if (node != null) {h.offer(new Status(node.val, node));
            }
        }
        ListNode res = new ListNode(0);
        ListNode p = res;
        while (!h.isEmpty()) {Status n = h.poll();
            p.next = n.ptr;
            p = p.next;
            if (n.ptr.next != null) {h.offer(new Status(n.ptr.next.val, n.ptr.next));
            }
        }
        return res.next;
    }
}

347. 前 K 个高频元素（medium）

办法 1: 优先队列

• 思路：循环数组，退出小顶堆，当堆的 size 超过 k 时，出堆，循环实现之后，堆中所有的元素就是前 k 大的数字
• 复杂度：工夫复杂度O(nlogk)，循环 n 次，每次堆的操作是O(logk)。空间复杂度O(k)，

js：

class Heap {constructor(comparator = (a, b) => a - b, data = []) {
        this.data = data;
        this.comparator = comparator;// 比拟器
        this.heapify();// 堆化}

    heapify() {if (this.size() < 2) return;
        for (let i = Math.floor(this.size()/2)-1; i >= 0; i--) {this.bubbleDown(i);//bubbleDown 操作
        }
    }

    peek() {if (this.size() === 0) return null;
        return this.data[0];// 查看堆顶
    }

    offer(value) {this.data.push(value);// 退出数组
        this.bubbleUp(this.size() - 1);// 调整退出的元素在小顶堆中的地位
    }

    poll() {if (this.size() === 0) {return null;}
        const result = this.data[0];
        const last = this.data.pop();
        if (this.size() !== 0) {this.data[0] = last;// 替换第一个元素和最初一个元素
            this.bubbleDown(0);//bubbleDown 操作
        }
        return result;
    }

    bubbleUp(index) {while (index > 0) {const parentIndex = (index - 1) >> 1;// 父节点的地位
            // 如果以后元素比父节点的元素小，就替换以后节点和父节点的地位
            if (this.comparator(this.data[index], this.data[parentIndex]) < 0) {this.swap(index, parentIndex);// 替换本人和父节点的地位
                index = parentIndex;// 一直向上取父节点进行比拟
            } else {break;// 如果以后元素比父节点的元素大，不须要解决}
        }
    }

    bubbleDown(index) {const lastIndex = this.size() - 1;// 最初一个节点的地位
        while (true) {
            const leftIndex = index * 2 + 1;// 左节点的地位
            const rightIndex = index * 2 + 2;// 右节点的地位
            let findIndex = index;//bubbleDown 节点的地位
            // 找出左右节点中 value 小的节点
            if (
                leftIndex <= lastIndex &&
                this.comparator(this.data[leftIndex], this.data[findIndex]) < 0
            ) {findIndex = leftIndex;}
            if (
                rightIndex <= lastIndex &&
                this.comparator(this.data[rightIndex], this.data[findIndex]) < 0
            ) {findIndex = rightIndex;}
            if (index !== findIndex) {this.swap(index, findIndex);// 替换以后元素和左右节点中 value 小的
                index = findIndex;
            } else {break;}
        }
    }

    swap(index1, index2) {// 替换堆中两个元素的地位
        [this.data[index1], this.data[index2]] = [this.data[index2], this.data[index1]];
    }

    size() {return this.data.length;}
}

var topKFrequent = function (nums, k) {const map = new Map();

    for (const num of nums) {// 统计频次
        map.set(num, (map.get(num) || 0) + 1);
    }

    // 创立小顶堆
    const priorityQueue = new Heap((a, b) => a[1] - b[1]);

    //entry 是一个长度为 2 的数组，0 地位存储 key，1 地位存储 value
    for (const entry of map.entries()) {priorityQueue.offer(entry);// 退出堆
        if (priorityQueue.size() > k) {// 堆的 size 超过 k 时，出堆
            priorityQueue.poll();}
    }

    const ret = [];

    for (let i = priorityQueue.size() - 1; i >= 0; i--) {// 取出前 k 大的数
        ret[i] = priorityQueue.poll()[0];
    }

    return ret;
};

java：

class Solution {public int[] topKFrequent(int[] nums, int k) {int[] ret = new int[k];
        HashMap<Integer, Integer> map = new HashMap<>();
        for (int num : nums) {map.put(num, map.getOrDefault(num, 0) + 1);
        }

        Set<Map.Entry<Integer, Integer>> entries = map.entrySet();
        PriorityQueue<Map.Entry<Integer, Integer>> priorityQueue = new PriorityQueue<>((o1, o2) -> o1.getValue() - o2.getValue());
        for (Map.Entry<Integer, Integer> entry : entries) {priorityQueue.offer(entry);
            if (priorityQueue.size() > k) {priorityQueue.poll();
            }
        }
        for (int i = k - 1; i >= 0; i--) {ret[i] = priorityQueue.poll().getKey();
        }
        return ret;
    }
}

692. 前 K 个高频单词(medium)

办法 1: 排序

js：

var topKFrequent = function (words, k) {const map = {};
    words.forEach(v => map[v] = (map[v] || 0) + 1);
    const keys = Object.keys(map).sort((a, b) => map[b] - map[a] || a.localeCompare(b))
    return keys.slice(0, k);
};

办法 2：堆

js:

class Heap {constructor(comparator = (a, b) => a - b, data = []) {
        this.data = data;
        this.comparator = comparator;// 比拟器
        this.heapify();// 堆化}

    heapify() {if (this.size() < 2) return;
        for (let i = Math.floor(this.size()/2)-1; i >= 0; i--) {this.bubbleDown(i);//bubbleDown 操作
        }
    }

    peek() {if (this.size() === 0) return null;
        return this.data[0];// 查看堆顶
    }

    offer(value) {this.data.push(value);// 退出数组
        this.bubbleUp(this.size() - 1);// 调整退出的元素在小顶堆中的地位
    }

    poll() {if (this.size() === 0) {return null;}
        const result = this.data[0];
        const last = this.data.pop();
        if (this.size() !== 0) {this.data[0] = last;// 替换第一个元素和最初一个元素
            this.bubbleDown(0);//bubbleDown 操作
        }
        return result;
    }

    bubbleUp(index) {while (index > 0) {const parentIndex = (index - 1) >> 1;// 父节点的地位
            // 如果以后元素比父节点的元素小，就替换以后节点和父节点的地位
            if (this.comparator(this.data[index], this.data[parentIndex]) < 0) {this.swap(index, parentIndex);// 替换本人和父节点的地位
                index = parentIndex;// 一直向上取父节点进行比拟
            } else {break;// 如果以后元素比父节点的元素大，不须要解决}
        }
    }

    bubbleDown(index) {const lastIndex = this.size() - 1;// 最初一个节点的地位
        while (true) {
            const leftIndex = index * 2 + 1;// 左节点的地位
            const rightIndex = index * 2 + 2;// 右节点的地位
            let findIndex = index;//bubbleDown 节点的地位
            // 找出左右节点中 value 小的节点
            if (
                leftIndex <= lastIndex &&
                this.comparator(this.data[leftIndex], this.data[findIndex]) < 0
            ) {findIndex = leftIndex;}
            if (
                rightIndex <= lastIndex &&
                this.comparator(this.data[rightIndex], this.data[findIndex]) < 0
            ) {findIndex = rightIndex;}
            if (index !== findIndex) {this.swap(index, findIndex);// 替换以后元素和左右节点中 value 小的
                index = findIndex;
            } else {break;}
        }
    }

    swap(index1, index2) {// 替换堆中两个元素的地位
        [this.data[index1], this.data[index2]] = [this.data[index2], this.data[index1]];
    }

    size() {return this.data.length;}
}

var topKFrequent = function (nums, k) {const map = new Map();

    for (const num of nums) {// 统计频次
        map.set(num, (map.get(num) || 0) + 1);
    }

    // 创立小顶堆
    const priorityQueue = new Heap((a, b) => {return a[1] === b[1] ? b[0].localeCompare(a[0]) : a[1] - b[1]
    });

    //entry 是一个长度为 2 的数组，0 地位存储 key，1 地位存储 value
    for (const entry of map.entries()) {priorityQueue.offer(entry);// 退出堆
        if (priorityQueue.size() > k) {// 堆的 size 超过 k 时，出堆
            priorityQueue.poll();}
    }

    const ret = [];

    for (let i = priorityQueue.size() - 1; i >= 0; i--) {// 取出前 k 大的数
        ret[i] = priorityQueue.poll()[0];
    }

    return ret;
};

933. 最近的申请次数 (easy)

• 思路：将申请退出队列，如果队头元素申请的工夫在 [t-3000,t] 之外 就一直出队
• 复杂度：工夫复杂度O(q)，q 是 ping 的次数。空间复杂度O(w)，w 是队列中最多的元素个数

js：

var RecentCounter = function() {this.queue = []
};

RecentCounter.prototype.ping = function(t) {this.queue.push(t);// 新申请入队
    const time = t-3000;// 计算 3000ms 前的工夫
    while(this.queue[0] < time){// 如果队头元素申请的工夫在 [t-3000,t] 之外 就一直出队
        this.queue.shift();}
    return this.queue.length;// 在 [t-3000,t] 区间内队列残余的元素就是符合要求的申请数
};

java：

class RecentCounter {
    Queue<Integer> q;
    public RecentCounter() {q = new LinkedList();
    }

    public int ping(int t) {q.add(t);
        while (q.peek() < t - 3000)
            q.poll();
        return q.size();}
}

622. 设计循环队列 (medium)

• 复杂度: 工夫复杂度O(1)，空间复杂度O(k)

js:

var MyCircularQueue = function(k) {
    this.front = 0
    this.rear = 0
    this.max = k
    this.list = Array(k)
};

MyCircularQueue.prototype.enQueue = function(value) {if(this.isFull()) {return false} else {this.list[this.rear] = value
        this.rear = (this.rear + 1) % this.max
        return true
    }
};

MyCircularQueue.prototype.deQueue = function() {let v = this.list[this.front]
    this.list[this.front] = undefined
    if(v !== undefined) {this.front = (this.front + 1) % this.max
        return true
    } else {return false}
};

MyCircularQueue.prototype.Front = function() {if(this.list[this.front] === undefined) {return -1} else {return this.list[this.front]
    }
};

MyCircularQueue.prototype.Rear = function() {
    let rear = this.rear - 1
    if(this.list[rear < 0 ? this.max - 1 : rear] === undefined) {return -1} else {return this.list[rear < 0 ? this.max - 1 : rear] 
    }
};

MyCircularQueue.prototype.isEmpty = function() {return this.front === this.rear && !this.list[this.front]
};

MyCircularQueue.prototype.isFull = function() {return (this.front === this.rear) && !!this.list[this.front]
};