【华为OD机试真题 JS语言】99、特异性双端队列、最小调整顺序次数 | 机试真题+思路参考+代码解析

### 华为OD机试中特殊双向队列的实现与应用 #### 双向队列简介 双向队列（Deque，Double-ended Queue）是一种允许在两端进行插入和删除操作的数据结构。它既可以作为栈也可以作为队列使用，在某些特定场景下非常有用。华为OD机试中可能会考察基于双向队列的应用问题，尤其是在处理路径规划、广度优先搜索（BFS）、滑动窗口等问题时。 --- #### 特殊双向队列的实现方法 Python 中可以利用 `collections.deque` 来高效实现双向队列的功能[^1]。以下是其基本特性： - 支持从头部和尾部快速插入/删除元素。 - 时间复杂度为 O(1)，适合频繁操作两端的情况。 下面是一个简单的双向队列实现示例： ```python from collections import deque # 创建一个双向队列 dq = deque() # 添加元素到右侧 dq.append(1) dq.append(2) # 添加元素到左侧 dq.appendleft(0) print(dq) # 输出: deque([0, 1, 2]) # 删除右侧元素 right_element = dq.pop() print(right_element) # 输出: 2 # 删除左侧元素 left_element = dq.popleft() print(left_element) # 输出: 0 print(dq) # 输出: deque([1]) ``` --- #### 应用实例：滑动窗口最大值问题 这是一个经典的双向队列应用场景，通常会出现在华为OD机试中。目标是在大小固定的滑动窗口内找到每一步的最大值。 ##### 题目描述 给定一个数组 `nums` 和一个整数 `k`，求长度为 `k` 的滑动窗口每次移动后的最大值。 ##### 解决方案 可以通过维护一个单调递减的双向队列来解决此问题。具体逻辑如下： 1. 维护一个存储索引的双向队列，确保队首始终是当前窗口内的最大值索引。 2. 当新元素进入窗口时，移除队列中小于等于该元素的所有索引。 3. 移除超出窗口范围的索引。 代码实现如下： ```python def max_sliding_window(nums, k): from collections import deque if not nums or k <= 0: return [] result = [] window = deque() # 存储索引 for i in range(len(nums)): # 移除不在窗口范围内的索引 if window and window[0] < i - k + 1: window.popleft() # 移除小于当前元素的索引 while window and nums[window[-1]] <= nums[i]: window.pop() # 将当前索引入队 window.append(i) # 当窗口形成后记录最大值 if i >= k - 1: result.append(nums[window[0]]) return result # 测试用例 nums = [1, 3, -1, -3, 5, 3, 6, 7] k = 3 print(max_sliding_window(nums, k)) # 输出: [3, 3, 5, 5, 6, 7] ``` --- #### 广度优先搜索（BFS）中的应用 在 BFS 算法中，双向队列用于按层遍历图或树结构。例如，在计算广播响应时间的问题中，可以借助双向队列优化性能[^4]。 以下是对广播响应时间问题的一个改进版本，其中使用了双向队列代替普通列表： ```python from collections import deque def broadcast_response_time(n, links, start): # 构建邻接表 graph = {i: [] for i in range(1, n + 1)} for u, v in links: graph[u].append(v) graph[v].append(u) # 初始化距离数组 distances = [-1] * (n + 1) distances[start] = 0 # 使用双向队列进行 BFS queue = deque([start]) while queue: current = queue.popleft() for neighbor in graph[current]: if distances[neighbor] == -1: distances[neighbor] = distances[current] + 1 queue.append(neighbor) # 计算最远距离并返回两倍值 max_distance = max(distances[1:]) return max_distance * 2 # 输入样例 n, t = map(int, input().split()) links = [tuple(map(int, input().split())) for _ in range(t)] start = int(input()) response_time = broadcast_response_time(n, links, start) print(response_time) ``` --- #### 性能对比分析 相比于普通的列表实现，`deque` 提供了更高效的两端操作能力。在大规模数据集上，这种差异尤为明显。因此，在华为OD机试中遇到需要频繁操作两端的场景时，推荐优先考虑 `deque` 数据结构[^1]。 ---