LeetCode 算法：LRU 缓存 c++

2024-06-23 15:12
文章标签 leetcode 算法 c++ 缓存 lru

本文主要是介绍LeetCode 算法：LRU 缓存 c++，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

原题链接🔗：
难度：中等⭐️⭐️

题目

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，则向缓存中插入该组 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：

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

提示：

  • 1 <= capacity <= 3000
  • 0 <= key <= 10000
  • 0 <= value <= 105
  • 最多调用 2 * 105 次 get 和 put

题解

  1. 解题思路：

LeetCode 上的 LRU 缓存问题（题目编号 146）要求我们实现一个 LRU 缓存类，该类支持两种操作：get 和
put。以下是解决这个问题的一般思路：

  • 理解问题：
    • get(key): 从缓存中获取键对应的值（如果存在）。缓存中键的最近使用时间应该被更新为当前时间。 -
    • put(key, value): 向缓存中插入或更新键和值。如果键已存在，则更新其值并更新其使用时间。如果键不存在，并且缓存已满，则需要先移除最久未使用的键。
  • 设计数据结构： 为了实现 LRU 缓存，我们需要两个主要的数据结构：
    • 哈希表：存储键到值的映射，以及键到双向链表中节点的引用，以便 O(1) 时间复杂度的访问。
    • 双向链表：存储缓存项的顺序，最近使用的项在头部，最久未使用的项在尾部。
  • 算法实现：
    • 初始化：创建一个固定大小的哈希表和空的双向链表。
    • get(key)： 检查键是否存在于哈希表中。 如果存在，移动该键关联的节点到双向链表的头部，表示最近使用。 返回键对应的值。 如果不存在，返回 -1。
    • put(key, value)：
      • 如果键已存在于哈希表中，更新其值，并将节点移动到双向链表的头部。
      • 如果键不存在：
        • 如果缓存未满，创建新节点，添加到双向链表的头部，并在哈希表中添加键到节点的映射。
        • 如果缓存已满，从双向链表尾部移除最久未使用的节点，并从哈希表中删除对应的键。
        • 然后，创建新节点，添加到双向链表的头部，并更新哈希表。
  1. 复杂度：时间复杂度O(1)，空间复杂度O(capacity)。
  2. c++ demo：
#include <iostream>
#include <unordered_map>
#include <list>class LRUCache {
private:int capacity;std::list<int> items; // 双向链表，存储键std::unordered_map<int, std::list<int>::iterator> cache; // 哈希表，存储键到链表迭代器的映射void moveToHead(int key) {items.splice(items.begin(), items, cache[key]); // 将节点移动到头部}void removeLeastRecent() {if (!items.empty()) {cache.erase(items.back()); // 从哈希表中删除items.pop_back(); // 从链表中删除}}public:LRUCache(int capacity) : capacity(capacity) {}int get(int key) {if (cache.find(key) != cache.end()) {moveToHead(key);return items.front();}else {return -1; // 键不存在}}void put(int key, int value) {if (cache.find(key) != cache.end()) {items.erase(cache[key]); // 从链表中删除旧节点cache.erase(key);}if (items.size() >= capacity) {removeLeastRecent(); // 检查是否需要淘汰}items.push_front(key); // 添加新节点到头部cache[key] = items.begin(); // 更新哈希表}
};int main() {LRUCache cache(2);cache.put(1, 1);std::cout << "Get 1: " << cache.get(1) << std::endl; // 返回 1cache.put(2, 2);std::cout << "Get 2: " << cache.get(2) << std::endl; // 返回 2cache.put(3, 3); // 淘汰键 1 使用 putstd::cout << "Get 1: " << cache.get(1) << std::endl; // 返回 -1 (未找到)std::cout << "Get 3: " << cache.get(3) << std::endl; // 返回 3cache.put(4, 4); // 淘汰键 2 使用 putstd::cout << "Get 2: " << cache.get(2) << std::endl; // 返回 -1 (未找到)cache.put(2, 6); // 重新添加键 2std::cout << "Get 2: " << cache.get(2) << std::endl; // 返回 6return 0;
}
  • 输出结果：

Get 1: 1
Get 2: 2
Get 1: -1
Get 3: 3
Get 2: -1
Get 2: 2

LRU 缓存

LRU（Least Recently Used）缓存是一种常用的缓存淘汰策略，它基于一个原则：如果数据最近被访问过，那么将来被访问的几率也更高。LRU 缓存通常用于操作系统、数据库、Web 服务器等场景，以减少内存或存储的使用，同时保持最常访问的数据可用。

LRU 缓存的实现

实现 LRU 缓存的一种常见方法是使用哈希表和双向链表。哈希表提供了 O(1) 的访问时间复杂度，而双向链表则允许我们以 O(1) 的时间复杂度进行数据的添加和删除操作。

数据结构
  1. 哈希表：存储键和对应节点的指针，以便快速访问。
  2. 双向链表：存储缓存中的项，最近使用的项在头部，最不常使用的项在尾部。
操作

  1. 访问缓存：

    • 检查键是否存在于哈希表中。
    • 如果存在，将对应的节点移动到双向链表的头部。
    • 如果不存在，根据需要从链表尾部移除一个节点（如果缓存已满），然后将新节点添加到头部。

  2. 添加到缓存：

    • 如果键已存在，更新其值，并将节点移动到链表头部。
    • 如果键不存在，创建新节点，添加到链表头部，并在哈希表中记录。

  3. 淘汰缓存：

    • 当缓存达到容量限制时，从链表尾部移除最不常使用的项，并从哈希表中删除相应的键。

示例代码

以下是使用 C++ 实现的 LRU 缓存的简单示例：

#include <iostream>
#include <list>
#include <unordered_map>class LRUCache {
private:int capacity;std::list<int> items; // 双向链表，存储键std::unordered_map<int, std::list<int>::iterator> cache; // 哈希表，存储键到链表迭代器的映射void moveToHead(int key) {items.splice(items.begin(), items, cache[key]); // 将节点移动到头部}void removeLeastRecent() {if (items.size() > capacity) {cache.erase(items.back()); // 从哈希表中删除items.pop_back(); // 从链表中删除}}public:LRUCache(int capacity) : capacity(capacity) {}int get(int key) {if (cache.find(key) != cache.end()) {moveToHead(key);return items.front();} else {return -1; // 键不存在}}void put(int key, int value) {if (cache.find(key) != cache.end()) {items.erase(cache[key]); // 从链表中删除旧节点} else {removeLeastRecent(); // 检查是否需要淘汰}items.push_front(key); // 添加新节点到头部cache[key] = items.begin(); // 更新哈希表}
};int main() {LRUCache cache(2);cache.put(1, 1);std::cout << cache.get(1) << std::endl; // 返回 1cache.put(2, 2);std::cout << cache.get(2) << std::endl; // 返回 2cache.put(3, 3); // 淘汰键 1std::cout << cache.get(1) << std::endl; // 返回 -1 (未找到)std::cout << cache.get(3) << std::endl; // 返回 3cache.put(4, 4); // 淘汰键 2std::cout << cache.get(2) << std::endl; // 返回 -1 (未找到)return 0;
}

这个示例展示了 LRU 缓存的基本操作，包括 get 和 put 方法。get 方法用于访问缓存中的项，而 put 方法用于添加或更新缓存中的项。如果缓存达到容量限制，put 方法还会淘汰最不常使用的项。

这篇关于LeetCode 算法：LRU 缓存 c++的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/1087515。

相关文章

哈希leetcode-1

哈希leetcode-1

目录 1前言 2.例题  2.1两数之和 2.2判断是否互为字符重排 2.3存在重复元素1 2.4存在重复元素2 2.5字母异位词分组 1前言 哈希表主要是适合于快速查找某个元素（O(1)） 当我们要频繁的查找某个元素，第一哈希表O(1)，第二，二分O(log n) 一般可以分为语言自带的容器哈希和用数组模拟的简易哈希。 最简单的比如数组模拟字符存储，只要开26个c
阅读更多...
不懂推荐算法也能设计推荐系统

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例，告诉我们不懂推荐算法的产品，也能从产品侧出发， 设计出一款不错的推荐系统。 相信很多新手产品，看到算法二字，多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法（注：传统是指科班出身的产品都会接触过）。但对于推荐算法，多数产品对着网上搜到的资源，都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后，更是加大了理解的难度。 但，不了解推荐算法，就无法做推荐系
阅读更多...
康拓展开（hash算法中会用到）

康拓展开（hash算法中会用到）

康拓展开是一个全排列到一个自然数的双射（也就是某个全排列与某个自然数一一对应） 公式： X=a[n]*(n-1)!+a[n-1]*(n-2)!+...+a[i]*(i-1)!+...+a[1]*0! 其中,a[i]为整数,并且0<=a[i]<i,1<=i<=n。（a[i]在不同应用中的含义不同）； 典型应用： 计算当前排列在所有由小到大全排列中的顺序，也就是说求当前排列是第
阅读更多...
【C++ Primer Plus习题】13.4

【C++ Primer Plus习题】13.4

大家好,这里是国中之林! ❥前些天发现了一个巨牛的人工智能学习网站，通俗易懂，风趣幽默，忍不住分享一下给大家。点击跳转到网站。有兴趣的可以点点进去看看← 问题: 解答: main.cpp #include <iostream>#include "port.h"int main() {Port p1;Port p2("Abc", "Bcc", 30);std::cout <<
阅读更多...
csu 1446 Problem J Modified LCS （扩展欧几里得算法的简单应用）

csu 1446 Problem J Modified LCS （扩展欧几里得算法的简单应用）

这是一道扩展欧几里得算法的简单应用题，这题是在湖南多校训练赛中队友ac的一道题，在比赛之后请教了队友，然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意：把题意转变下就变成了：求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点：求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个
阅读更多...
C++包装器

C++包装器

包装器 在 C++ 中，“包装器”通常指的是一种设计模式或编程技巧，用于封装其他代码或对象，使其更易于使用、管理或扩展。包装器的概念在编程中非常普遍，可以用于函数、类、库等多个方面。下面是几个常见的 “包装器” 类型： 1. 函数包装器 函数包装器用于封装一个或多个函数，使其接口更统一或更便于调用。例如，std::function 是一个通用的函数包装器，它可以存储任意可调用对象（函数、函数
阅读更多...
综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动，这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升：减少抖动，提高图像的清晰度和细节表现力，使得监控画面更加真实可信。 - 细节增强：在低光条件下，抖
阅读更多...
C++11第三弹：lambda表达式 | 新的类功能 | 模板的可变参数

C++11第三弹：lambda表达式 | 新的类功能 | 模板的可变参数

🌈个人主页： 南桥几晴秋 🌈C++专栏： 南桥谈C++ 🌈C语言专栏： C语言学习系列 🌈Linux学习专栏： 南桥谈Linux 🌈数据结构学习专栏： 数据结构杂谈 🌈数据库学习专栏： 南桥谈MySQL 🌈Qt学习专栏： 南桥谈Qt 🌈菜鸡代码练习： 练习随想记录 🌈git学习： 南桥谈Git 🌈🌈🌈🌈🌈🌈🌈🌈🌈🌈🌈🌈🌈�
阅读更多...
【数据结构】——原来排序算法搞懂这些就行，轻松拿捏

【数据结构】——原来排序算法搞懂这些就行，轻松拿捏

前言：快速排序的实现最重要的是找基准值，下面让我们来了解如何实现找基准值 基准值的注释：在快排的过程中，每一次我们要取一个元素作为枢纽值，以这个数字来将序列划分为两部分。 在此我们采用三数取中法，也就是取左端、中间、右端三个数，然后进行排序，将中间数作为枢纽值。 快速排序实现主框架： //快速排序 void QuickSort(int* arr, int left, int rig
阅读更多...
【C++】_list常用方法解析及模拟实现

【C++】_list常用方法解析及模拟实现

相信自己的力量，只要对自己始终保持信心，尽自己最大努力去完成任何事，就算事情最终结果是失败了，努力了也不留遗憾。💓💓💓 目录   ✨说在前面 🍋知识点一：什么是list？ •🌰1.list的定义 •🌰2.list的基本特性 •🌰3.常用接口介绍 🍋知识点二：list常用接口 •🌰1.默认成员函数 🔥构造函数（⭐） 🔥析构函数 •🌰2.list对象
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2