国内疫情最新情况 最新消息_ip查询地址精准地图_公司快速建站_冯站长之家官网

力扣 Hot 100 刷题记录 - LRU 缓存

题目描述

LRU 缓存 是力扣 Hot 100 中的一道经典题目，题目要求如下：

请你设计并实现一个满足 LRU (最近最少使用) 缓存约束的数据结构。

实现 LRUCache 类：

• LRUCache(int capacity)：以正整数作为容量 capacity 初始化 LRU 缓存。
• int get(int key)：如果关键字 key 存在于缓存中，则返回关键字的值，否则返回 -1。
• void put(int key, int value)：如果关键字 key 已经存在，则变更其数据值 value；如果不存在，则插入该组 key-value。如果插入操作导致关键字数量超过 capacity，则应该 逐出 最久未使用的关键字。

函数 get 和 put 必须以 O(1) 的平均时间复杂度运行。

示例 1：
输入：
[“LRUCache”, “put”, “put”, “get”, “put”, “get”, “put”, “get”, “get”, “get”]
[[2], [1, 1], [2, 2], [1], [3, 3], [2], [4, 4], [1], [3], [4]]
输出：
[null, null, null, 1, null, -1, null, -1, 3, 4]

解释：
LRUCache lRUCache = new LRUCache(2);
lRUCache.put(1, 1); // 缓存是 {1=1}
lRUCache.put(2, 2); // 缓存是 {1=1, 2=2}
lRUCache.get(1); // 返回 1
lRUCache.put(3, 3); // 该操作会使得关键字 2 作废，缓存是 {1=1, 3=3}
lRUCache.get(2); // 返回 -1 (未找到)
lRUCache.put(4, 4); // 该操作会使得关键字 1 作废，缓存是 {4=4, 3=3}
lRUCache.get(1); // 返回 -1 (未找到)
lRUCache.get(3); // 返回 3
lRUCache.get(4); // 返回 4

---

解题思路

这道题的核心是实现一个 LRU 缓存机制，要求 get 和 put 操作的时间复杂度为 O(1)。为了实现这一目标，我们需要结合以下数据结构：

1. 哈希表：

   • 用于快速查找键值对，时间复杂度为 O(1)。

2. 双向链表：

   • 用于维护键值对的访问顺序，最近使用的节点放在链表头部，最久未使用的节点放在链表尾部。
   • 双向链表的插入和删除操作时间复杂度为 O(1)。

---

C++ 代码实现

class LRUCache {
private:struct Node {int key;int value;Node* prev;Node* next;Node(int k, int v) : key(k), value(v), prev(nullptr), next(nullptr) {}};int capacity;unordered_map<int, Node*> cache; // 哈希表，存储键值对Node* head; // 双向链表的虚拟头节点Node* tail; // 双向链表的虚拟尾节点// 将节点移动到链表头部void moveToHead(Node* node) {removeNode(node);addToHead(node);}// 移除节点void removeNode(Node* node) {node->prev->next = node->next;node->next->prev = node->prev;}// 将节点添加到链表头部void addToHead(Node* node) {node->next = head->next;node->prev = head;head->next->prev = node;head->next = node;}// 移除链表尾部节点Node* removeTail() {Node* node = tail->prev;removeNode(node);return node;}public:LRUCache(int capacity) : capacity(capacity) {head = new Node(-1, -1); // 初始化虚拟头节点tail = new Node(-1, -1); // 初始化虚拟尾节点head->next = tail;tail->prev = head;}int get(int key) {if (cache.find(key) == cache.end()) {return -1; // 键不存在}Node* node = cache[key];moveToHead(node); // 将节点移动到链表头部return node->value;}void put(int key, int value) {if (cache.find(key) != cache.end()) {// 如果键已存在，更新值并移动到链表头部Node* node = cache[key];node->value = value;moveToHead(node);} else {// 如果键不存在，创建新节点并添加到链表头部Node* node = new Node(key, value);cache[key] = node;addToHead(node);// 如果超出容量，移除链表尾部节点if (cache.size() > capacity) {Node* removed = removeTail();cache.erase(removed->key);delete removed;}}}
};