LeetCode:LRU Cache

題目大意：設計一個用於LRU cache算法的數據結構。 題目鏈接。關於LRU的基本知識可參考here

分析：為了保持cache的性能，使查找，插入，刪除都有較高的性能，我們使用雙向鏈表（std::list）和哈希表（std::unordered_map）作為cache的數據結構，因為：

• 雙向鏈表插入刪除效率高（單向鏈表插入和刪除時，還要查找節點的前節點）
• 哈希表保存每個節點的地址，可以基本保證在O(1)時間內查找節點

具體實現細節：

• 越靠近鏈表頭部，表示節點上次訪問距離現在時間最短，尾部的節點表示最近訪問最少
• 查詢或者訪問節點時，如果節點存在，把該節點交換到鏈表頭部，同時更新hash表中該節點的地址
• 插入節點時，如果cache的size達到了上限，則刪除尾部節點，同時要在hash表中刪除對應的項。新節點都插入鏈表頭部。                                                            本文地址

代碼如下：

struct CacheNode
{
    int key;
    int value;
    CacheNode(int k, int v):key(k), value(v){}
};

class LRUCache{
public:
    LRUCache(int capacity) {
        size = capacity;
    }
    
    int get(int key) {
        if(cacheMap.find(key) == cacheMap.end())
            return -1;
        else
        {
            //把當前訪問的節點移到鏈表頭部,並且更新map中該節點的地址
            cacheList.splice(cacheList.begin(), cacheList, cacheMap[key]);
            cacheMap[key] = cacheList.begin();
            return cacheMap[key]->value;
        }
        
    }
    
    void set(int key, int value) {
        if(cacheMap.find(key) == cacheMap.end())
        {
            if(cacheList.size() == size)
            {//刪除鏈表尾部節點（最少訪問的節點）
                cacheMap.erase(cacheList.back().key);
                cacheList.pop_back();
            }
            //插入新節點到鏈表頭部,並且更新map中增加該節點
            cacheList.push_front(CacheNode(key, value));
            cacheMap[key] = cacheList.begin();
        }
        else
        {//更新節點的值，把當前訪問的節點移到鏈表頭部,並且更新map中該節點的地址
            cacheMap[key]->value = value;
            cacheList.splice(cacheList.begin(), cacheList, cacheMap[key]);
            cacheMap[key] = cacheList.begin();
        }
        
    }
private:
    list<CacheNode> cacheList;
    unordered_map<int, list<CacheNode>::iterator>cacheMap;
    int size;
};

【版權聲明】轉載請注明出處：http://www.cnblogs.com/TenosDoIt/p/3417157.html