要实现一个时间复杂度为O(1)的LRU缓存,可以通过结合哈希表和双向链表来实现。哈希表用于快速查找键对应的节点,双向链表用于维护访问顺序。以下是具体的实现步骤:
方法思路
- 双向链表节点:每个节点保存键、值以及前驱和后继指针。
- 哈希表:存储键到节点的映射,实现O(1)的查找。
- 辅助方法:
_add_to_head(node)
:将节点添加到链表头部。_remove_node(node)
:移除指定节点。_move_to_head(node)
:将节点移动到链表头部。_pop_tail()
:移除并返回链表尾部的节点。
- LRU操作:
get(key)
:若存在,将节点移到头部并返回值;否则返回-1。put(key, value)
:若存在则更新值并移到头部;否则创建新节点。若容量超限,移除尾部节点。
解决代码
class DLinkedNode:
def __init__(self, key=0, value=0):
self.key = key
self.value = value
self.prev = None
self.next = None
class LRUCache:
def __init__(self, capacity: int):
self.capacity = capacity
self.size = 0
self.cache = {}
self.head = DLinkedNode()
self.tail = DLinkedNode()
self.head.next = self.tail
self.tail.prev = self.head
def _add_to_head(self, node):
node.prev = self.head
node.next = self.head.next
self.head.next.prev = node
self.head.next = node
def _remove_node(self, node):
node.prev.next = node.next
node.next.prev = node.prev
def _move_to_head(self, node):
self._remove_node(node)
self._add_to_head(node)
def _pop_tail(self):
node = self.tail.prev
self._remove_node(node)
return node
def get(self, key: int) -> int:
if key not in self.cache:
return -1
node = self.cache[key]
self._move_to_head(node)
return node.value
def put(self, key: int, value: int) -> None:
if key in self.cache:
node = self.cache[key]
node.value = value
self._move_to_head(node)
else:
new_node = DLinkedNode(key, value)
self.cache[key] = new_node
self._add_to_head(new_node)
self.size += 1
if self.size > self.capacity:
tail = self._pop_tail()
del self.cache[tail.key]
self.size -= 1
代码解释
- DLinkedNode:定义双向链表节点,包含键、值及前后指针。
- LRUCache初始化:设置容量、哈希表、虚拟头尾节点以简化边界处理。
- 辅助方法:
_add_to_head
:在链表头部插入节点。_remove_node
:移除指定节点。_move_to_head
:将节点移到头部,先移除后添加。_pop_tail
:移除并返回尾部节点(最近最少使用)。
- get方法:通过哈希表查找节点,存在则移至头部并返回值。
- put方法:若键存在则更新值并移至头部;否则创建新节点。容量超限时移除尾部节点,并更新哈希表。
该实现确保了get和put操作的时间复杂度均为O(1),满足LRU缓存的高效需求。