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

解答 & 代码

哈希表 + 双向链表：

/* 链表节点类 */
struct Node {
    int key;
    int val;
    Node* pre;
    Node* next;
    Node(): key(0), val(0), pre(nullptr), next(nullptr) {}
    Node(int keyNum, int value): key(keyNum), val(value), pre(nullptr), next(nullptr) {}
};
class LRUCache {
private:
    int cap;                                // 容量
    unordered_map<int, Node*> hashMap;        // 哈希表
    Node* dummyHead;                        // 虚拟头节点
    Node* dummyTail;                        // 虚拟尾节点
    /* 将节点 node 移动到链表头部（即 dummyHead->next，头结点的位置） */
    void removeNodeToFront(Node* node)
    {
        // 将 node 节点的前一个节点和后一个节点连起来
        Node* preNode = node->pre;
        Node* nextNode = node->next;
        preNode->next = nextNode;
        nextNode->pre = preNode;
        // 将 node 节点插入 dummyHead 后面
        Node* head = dummyHead->next;
        dummyHead->next = node;
        node->pre = dummyHead;
        node->next = head;
        head->pre = node;
    }
    /* 将一个新的节点 node 插入链表头部 */
    void insertNewNodeToFront(Node* node)
    {
        // 将 node 节点插入 dummyHead 后面
        Node* head = dummyHead->next;
        dummyHead->next = node;
        node->pre = dummyHead;
        node->next = head;
        head->pre = node;
    }
    /* 删除链表尾节点（dummyTail->pre） */
    void deleteLastNode()
    {
        Node* tail = dummyTail->pre;
        Node* preNode = tail->pre;
        preNode->next = dummyTail;
        dummyTail->pre = preNode;
        delete tail;
    }
public:
    LRUCache(int capacity) {
        cap = capacity;
        dummyHead = new Node();
        dummyTail = new Node();
        dummyHead->next = dummyTail;
        dummyTail->pre = dummyHead;
    }
    int get(int key) {
        // 若关键字 key 不在缓存中，则返回 -1
        if(hashMap.find(key) == hashMap.end())
            return -1;
        // 关键字 key 在缓存中，则返回对应的 value
        Node* cur = hashMap[key];
        removeNodeToFront(cur);        // 将节点移到链表头部，代表最近被使用
        return cur->val;            // 返回对应的 value
    }
    void put(int key, int value) {
        Node* cur;
        // 若关键字 key 不存在，则插入
        if(hashMap.find(key) == hashMap.end())
        {
            cur = new Node(key, value);        // 新建节点
            insertNewNodeToFront(cur);        // 将该节点插入链表头部，代表最近被使用
            hashMap[key] = cur;                // 插入哈希表
            // 如果该插入操作导致缓存的关键字数量超过 capacity，则逐出最久未使用的关键字
            if(hashMap.size() > cap)
            {
                Node* tail = dummyTail->pre;    // 定位到尾节点
                // 在哈希表中删除尾节点对应的元组
                auto iter = hashMap.find(tail->key);
                if(iter != hashMap.end())
                    hashMap.erase(iter);
                deleteLastNode();                // 删除尾节点
            }
        }
        // 若关键字 key 已存在，则变更其 value
        else
        {
            cur = hashMap[key];
            cur->val = value;                    // 变更 value
            removeNodeToFront(cur);                // 将节点移动到链表头部，代表最近被使用
        }
    }
};
/**
 * 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);
 */

复杂度分析：

时间复杂度：函数 get 和 put 的时间复杂度 O(1)
空间复杂度 O(capacity)：哈希表最多存储 capacity + 1 个元素，双向链表最多存储 capacity + 3 个节点

执行结果：

执行结果：通过
执行用时：364 ms, 在所有 C++ 提交中击败了 82.32% 的用户
内存消耗：161.1 MB, 在所有 C++ 提交中击败了 68.64% 的用户

hot 100

[中等] 146. LRU 缓存

题目

解答 & 代码