Leetcode: LRU Cache 理解分析

题目大意：设计一个数据结构实现LRU（Least Recently Used）缓存机制，必须实现以下两个操作：get和set

get(key) -- 如果key存在，返回key所对应的value（为正数）；否则返回-1；

set(key, value) -- key不存在时，设置或插入这个(key, value)对，当cache的容量已满时，插入前应该移除least recently used元素。

理解：1）题目要求设计并实现一个cache，使用LRU调度机制来进行存储管理。LRU调度是指当存储满时，选择最近最少使用的元素移除缓存，我们知道LRU调度最新调用或使用的对象都会放在第一个，随着时间的推移，当存储满时，排在最后个那个元素就是最长时间没有被再次使用的，就是该被移除的那个。

2）设计的数据结构要满足插入、删除和移动很容易，所有很容易想到用链表，为满足插入首节点和删除最后一个元素很简单，我们同时为链表增加首节点（head）和尾节点（tail），并使用双向链表。只需要实现对链表的三种操作：插入首节点，移除尾节点和将某个给定节点移到首位（表示最新使用）。

实现：

public class LRUCache {
    private int capacity;
    
    class node { // 节点类型
        int key;
        int val;
        node next;
        node pre;
        private node(int key, int val) {
            this.key = key;
            this.val = val;
            this.next = null;
            this.pre = null;
        }
    }
    
    private class cacheList { // 内部类 实现对双向链表的插入、删除和移动的操作
        private node head, tail; // 增加首尾节点，方便插入首节点和删除尾节点
        private cacheList() {
            head = new node(0, 0);
            tail = new node(0, 0);
            head.next = tail;
            tail.pre = head;
        }
        
        private void insertFirst(node p) { // 插入到第一个节点位置
            p.next = head.next;
            head.next.pre = p;
            p.pre = head;
            head.next = p;
        }
        
        private node removeLast() { // 删除最后一个节点，并返回被删除的节点
            node last = tail.pre;
            last.next.pre = last.pre;
            last.pre.next = last.next;
            
            return last;
        }
        
        private void removeToFirst(node p) { // 将特定节点移动到第一个节点位置
            p.pre.next = p.next;
            p.next.pre = p.pre;
            this.insertFirst(p);
        }
    }
    
    private cacheList cachelist;
    public HashMap<Integer, node> map;
    
    public LRUCache(int capacity) {
        this.capacity = capacity;
        cachelist = new cacheList();
        map = new HashMap<Integer, node>();
    }
    
    public int get(int key) { // 查找某个key对应的value，若不存在则返回-1
        node res = map.get(key);
        if(res != null) {
            cachelist.removeToFirst(res);
            return res.val;
        }
        return -1;
    }
    
    public void set(int key, int value) { // 插入一(key, value)对
        if(map.containsKey(key)) { // 若该key已存在，则更新其对应的value，并移动到第一个节点位置
            node res = map.get(key);
            res.val = value;
            map.put(key, res);
            cachelist.removeToFirst(res);
        }
        else { // 不存在，则将(key, value)对插入到第一个节点位置
            if(map.size() == capacity) { // 若cache容量已满，则移除LRU节点，即链表的最后一个节点
                node last = cachelist.removeLast();
                map.remove(last.key);
            }
            node q = new node(key, value);
            cachelist.insertFirst(q);
            map.put(key, q);
        }
    }
}

最后

以上就是怕孤独耳机为你收集整理的Leetcode: LRU Cache 理解分析的全部内容，希望文章能够帮你解决Leetcode: LRU Cache 理解分析所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。