力扣 Hot 100 刷题记录 - LRU 缓存

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;
            }
        }
    }
};