algorithm-design-data-structure

LRU 缓存

---

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 <= 10^5
• 最多调用 2 * 10^5 次 get 和 put

双向链表+哈希表

使用dummy head和dummy tail后，就不用考虑将Node移到首位以及将Node从尾部删除的特殊情况

class LRUCache {
    class Node {
        Node next, last;
        int key, val;
    }
    Node head = new Node(), tail = new Node();  // dummy
    int capacity;
    Map<Integer, Node> map = new HashMap<>();
    public LRUCache(int capacity) {
        this.capacity = capacity;
        head.next = tail;
        tail.last = head;
    }
    public int get(int key) {
        Node cur = map.get(key);
        if (cur == null) return -1;
        update(cur);
        return cur.val;
    }
    public void put(int key, int value) {
        Node cur = map.get(key);
        if (cur == null) {
            cur = new Node();
            cur.key = key;
            cur.val = value;
            moveToHead(cur);
            map.put(key, cur);
            if (map.size() > capacity) {
                map.remove(tail.last.key);
                delete(tail.last);
            }
        } else {
            cur.val = value;
            update(cur);
        }
    }
    public void delete(Node cur) {
        cur.last.next = cur.next;
        cur.next.last = cur.last;
    }
    public void moveToHead(Node cur) {
        cur.next = head.next;
        head.next.last = cur;
        cur.last = head;
        head.next = cur;
    }
    public void update(Node cur) {
        delete(cur);
        moveToHead(cur);
    }
}

LFU 缓存

---

请你为 最不经常使用（LFU）缓存算法设计并实现数据结构。

实现 LFUCache 类：

• LFUCache(int capacity) - 用数据结构的容量 capacity 初始化对象
• int get(int key) - 如果键 key 存在于缓存中，则获取键的值，否则返回 -1 。
• void put(int key, int value) - 如果键 key 已存在，则变更其值；如果键不存在，请插入键值对。当缓存达到其容量 capacity 时，则应该在插入新项之前，移除最不经常使用的项。在此问题中，当存在平局（即两个或更多个键具有相同使用频率）时，应该去除 最近最久未使用 的键。

为了确定最不常使用的键，可以为缓存中的每个键维护一个 使用计数器 。使用计数最小的键是最久未使用的键。

当一个键首次插入到缓存中时，它的使用计数器被设置为 1 (由于 put 操作)。对缓存中的键执行 get 或 put 操作，使用计数器的值将会递增。

函数 get 和 put 必须以 O(1) 的平均时间复杂度运行。

示例：

输入：
["LFUCache", "put", "put", "get", "put", "get", "get", "put", "get", "get", "get"]
[[2], [1, 1], [2, 2], [1], [3, 3], [2], [3], [4, 4], [1], [3], [4]]
输出：
[null, null, null, 1, null, -1, 3, null, -1, 3, 4]

解释：
// cnt(x) = 键 x 的使用计数
// cache=[] 将显示最后一次使用的顺序（最左边的元素是最近的）
LFUCache lfu = new LFUCache(2);
lfu.put(1, 1);   // cache=[1,_], cnt(1)=1
lfu.put(2, 2);   // cache=[2,1], cnt(2)=1, cnt(1)=1
lfu.get(1);      // 返回 1
                 // cache=[1,2], cnt(2)=1, cnt(1)=2
lfu.put(3, 3);   // 去除键 2 ，因为 cnt(2)=1 ，使用计数最小
                 // cache=[3,1], cnt(3)=1, cnt(1)=2
lfu.get(2);      // 返回 -1（未找到）
lfu.get(3);      // 返回 3
                 // cache=[3,1], cnt(3)=2, cnt(1)=2
lfu.put(4, 4);   // 去除键 1 ，1 和 3 的 cnt 相同，但 1 最久未使用
                 // cache=[4,3], cnt(4)=1, cnt(3)=2
lfu.get(1);      // 返回 -1（未找到）
lfu.get(3);      // 返回 3
                 // cache=[3,4], cnt(4)=1, cnt(3)=3
lfu.get(4);      // 返回 4
                 // cache=[3,4], cnt(4)=2, cnt(3)=3

提示：

• 1 <= capacity <= 10^4
• 0 <= key <= 10^5
• 0 <= value <= 10^9
• 最多调用 2 * 10^5 次 get 和 put 方法

双向链表+哈希+维护最小频率

class LFUCache {
    class Node {
        Node next, prev;
        int key, val, freq;
        public Node() {}
        public Node(int key, int val, int freq) {
            this.key = key;
            this.val = val;
            this.freq = freq;
        }
    }
    class NodeList {
        Node head = new Node(), tail = new Node();  // dummy
        public NodeList() {
            head.next = tail;
            tail.prev = head;
        }
        public void delete(Node cur) {
            cur.prev.next = cur.next;
            cur.next.prev = cur.prev;
        }
        public void moveToHead(Node cur) {
            cur.next = head.next;
            head.next.prev = cur;
            cur.prev = head;
            head.next = cur;
        }
        public void update(Node cur) {
            delete(cur);
            moveToHead(cur);
        }
        public boolean isEmpty() {
            return head.next == tail;
        }
    }
    int capacity, minFreq;  // minFreq用于记录当前最小的使用频率
    Map<Integer, Node> map = new HashMap<>();  // 节点缓存
    Map<Integer, NodeList> freqMap = new HashMap<>();  // 用于存储使用频率相同的缓存节点的双向链表
    public LFUCache(int capacity) {
        this.capacity = capacity;
    }
    public int get(int key) {
        Node cur = map.get(key);
        if (cur == null) return -1;
        incrFreq(cur);
        return cur.val;
    }
    public void put(int key, int value) {
        Node cur = map.get(key);
        if (cur == null) {
            if (map.size() == capacity) {
                NodeList list = freqMap.get(minFreq);
                map.remove(list.tail.prev.key);
                list.delete(list.tail.prev);
            }
            cur = new Node(key, value, 1);
            addNode(cur);
            map.put(key, cur);
            minFreq = 1;
        } else {
            cur.val = value;
            incrFreq(cur);
        }
    }
    private void addNode(Node cur) {
        int freq = cur.freq;
        NodeList list = freqMap.getOrDefault(freq, new NodeList());
        list.moveToHead(cur);
        freqMap.put(freq, list);
    }
    private void incrFreq(Node cur) {
        NodeList list = freqMap.get(cur.freq);
        list.delete(cur);
        if (list.isEmpty()) {
            if (cur.freq == minFreq)
                minFreq += 1;
        }
        cur.freq += 1;
        addNode(cur);
    }
}