【LeetCode热题100】146. LRU 缓存（链表）

一.题目要求

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。

二.题目难度

中等

三.输入样例

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 <= $10^5$
最多调用 $2\ast 10^5$ 次 get 和 put

四.解题思路

哈希表 + 双向链表
哈希表对于key，结点地址的映射解决了链表查找时间复杂度的问题，从$o(n)$降成了$o(1)$。
官方做法：

五.代码实现

struct DListNode {
    int key;
    int value;
    DListNode* prev;
    DListNode* next;
    DListNode() :key(-1),value(0),prev(nullptr),next(nullptr) {}
    DListNode(int _key, int _value):key(_key),value(_value),prev(nullptr),next(nullptr){}
};


class LRUCache {
public:
    LRUCache(int capacity) {
        cacheSize = capacity;
        DListSize = 0;
        head = new DListNode();
        tail = new DListNode();
        head->next = tail;
        tail->prev = head;
    }

    int get(int key) {
        //如果有这个值，把该值对应结点移到头部
        if (cacheMap.count(key))
        {
            DListNode* node = cacheMap[key];
            removeToHead(node);
            return node->value;
        }
        else return -1;
    }

    void put(int key, int value) {

        //如果有这个值,修改该值对应的value，移到头部
        if (cacheMap.count(key))
        {
            //修改
            cacheMap[key]->value = value;
            //移到头部
            DListNode* node = cacheMap[key];
            removeToHead(node);
        }

        else
        {
            //如果当前结点数未达到上限，则插入到队尾，DSIZE++
            if (DListSize < cacheSize)
            {
                DListNode* node = new DListNode(key, value);
                cacheMap.insert(make_pair(key, node));
                addToHead(node);
                DListSize++;
            }

            //达到上限，则移除队首元素及其哈希表，插入新元素到队尾
            else
            {
                DListNode* node = new DListNode(key, value);
                cacheMap.insert(make_pair(key, node));
                cacheMap.erase(tail->prev->key);
                addToHead(node);        
                deleteTail();
            }
        }

    }

    void removeToHead(DListNode* key)
    {
        key->prev->next = key->next;
        key->next->prev = key->prev;
        addToHead(key);
    }

    void addToHead(DListNode* key)
    {
        key->next = head->next;
        key->prev = head;
        head->next = key;
        key->next->prev = key;
    }

    void deleteTail()
    {
        DListNode* delNode = tail->prev;
        tail->prev->prev->next = tail;
        tail->prev = tail->prev->prev;
        delete delNode;
    }

private:
    int cacheSize;
    DListNode* head;
    DListNode* tail;
    unordered_map<int, DListNode*> cacheMap;
    int DListSize;
};


/**
 * Your LRUCache object will be instantiated and called as such:
 * LRUCache* obj = new LRUCache(capacity);
 * int param_1 = obj->get(key);
 * obj->put(key,value);
 */

六.题目总结

手撕Java的LinkedHashMap。。