【力扣刷题】146.LRU缓存——哈希表+双向链表_hashtable + 双向链表

题目

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

解题思路

因为题目说get和put都必须要时间复杂度为O（1）

需要实现：

①我们要在cache中快速找到某个key是否存在并得到对应的value

②每次访问cache中的某个key，需要得到这个元素变为最近使用的，也就是cache要支持在任意位置快速插入插入和删除

所以想到用哈希表存<key,Node>以及双向链表来实现：

①每次从链表尾部加入元素，越靠近尾部的元素就是最近使用的，越靠近头部的就是最近久未使用的。

②对于某一个key，通过哈希表快速定位到链表中的节点，从而获取它的value

③支持在链表的任意节点快速插入和删除！双向！很快

代码

class LRUCache {
    //用一个哈希表<key,Node>和一个双向链表来实现缓存LRU
    int capacity;
    HashMap<Integer,Node> map;
    DoubleList dlist;
 
    public LRUCache(int capacity) {
        this.capacity = capacity;
        map = new HashMap<>();
        dlist = new DoubleList();
    }
    
    //如果存在，返回该关键字的值，将该节点移动到链表尾部
    //否则返回-1
    public int get(int key) {
        if(map.containsKey(key)){
            Node x = map.get(key);
            dlist.remove(x);
            dlist.addLast(x);
            return x.value;
        }
        return -1;
    }
    
    //如果存在，则直接更新关键字的value，将节点移动到链表尾部
    //不存在，判断size和capacity的大小
    //小于，直接插入到尾部
    //大于，删除第一个节点，插入到尾部
    public void put(int key, int value) {
        if(map.containsKey(key)){
            Node x = map.get(key);
            x.value = value;
            dlist.remove(x);
            dlist.addLast(x);
        }else{
            Node x = new Node(key,value);
            if(dlist.size() < capacity){
                dlist.addLast(x);
            }else{
                Node first = dlist.removeFirst();
                map.remove(first.key);
                dlist.addLast(x);
            }
            map.put(key,x);
        }
    }
}
 
//链表节点
class Node{
    int key,value;
    Node pre,next;
    public Node(int key,int value){
        this.key = key;
        this.value = value;
    }
}
//双向链表
class DoubleList{
    //头节点，尾结点  虚节点
    Node head,tail;
    //链表大小
    private int size;
    public DoubleList(){
        head = new Node(0,0);
        tail = new Node(0,0);
        head.next = tail;
        tail.pre = head;
        size = 0;
    }
 
    //在链表尾部添加节点,时间是O（1）
    public void addLast(Node x){
        x.pre = tail.pre;
        x.next = tail;
        tail.pre.next = x;
        tail.pre = x;
        size++;
    }
 
    //删除链表中的节点x，双向链表，给定x，删除的时间复杂度为O（1）
    public void remove(Node x){
        x.pre.next = x.next;
        x.next.pre = x.pre;
        size--;
    }
 
    //删除链表的第一个节点，O（1），返回该节点
    public Node removeFirst(){
        if(head.next == tail) return null;
        Node first = head.next;
        remove(first);
        return first;
    }
 
    //链表长度
    public int size(){
        return size;
    }
 
}
 
/**
 * 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);
 */