大家好！我是曾续缘💕
今天是《LeetCode 热题 100》系列
发车第 35 天
链表第 14 题
❤️点赞 👍 收藏 ⭐再看，养成习惯

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 <= 10⁵
最多调用 2 * 10⁵ 次 get 和 put
难度：💖💖

解题方法

这道题目需要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。为了实现LRU缓存，我们可以采用哈希表和双向链表的组合来解决问题。

我们使用哈希表来快速查找关键字所对应的缓存节点，哈希表的键是关键字，值是节点指针。这样可以以O(1)的时间复杂度快速找到某个关键字对应的节点。

为了维护缓存的最近访问顺序，我们使用双向链表。双向链表中的节点按照访问顺序从头到尾依次排列，头部是最近访问过的节点，尾部是最久未被访问的节点。这样，当节点被访问时，我们可以快速将它移到链表的头部，而当需要淘汰节点时，可以直接删除尾部节点。

我们使用head和tail节点来简化边界条件的处理，它们不存储任何数据，只作为辅助节点。插入新节点时，我们将新节点插入到head节点之后，删除节点时，我们删除tail节点之前的节点。

Code

查看代码

java

class LRUCache {
    class Node{
        int key;
        int value;
        Node prev;
        Node next;
        public Node(){key = -1;};
        public Node(int k, int v){
            key = k;
            value = v;
        }
    }
    private Map<Integer, Node> mp = new HashMap<Integer, Node>();
    private int capacity;
    private Node head, tail;

    public LRUCache(int capacity) {
        this.capacity = capacity;
        head = new Node();
        tail = new Node();
        head.next = tail;
        tail.prev = head;
    }
    
    public int get(int key) {
        if(mp.containsKey(key)){
            Node node = mp.get(key);
            node.prev.next = node.next;
            node.next.prev = node.prev;

            moveToHead(node);
            return node.value;
        }else{
            return -1;
        }
    }
    
    public void put(int key, int value) {
        if(mp.containsKey(key)){
            Node node = mp.get(key);
            node.value = value;
            node.prev.next = node.next;
            node.next.prev = node.prev;
            moveToHead(node);
        }else{
            Node node = new Node(key, value);
            mp.put(key, node);
            if(mp.size() > capacity){
                Node delNode = tail.prev;
                mp.remove(delNode.key);
                tail.prev.prev.next = tail;
                tail.prev = tail.prev.prev;
            }
            moveToHead(node);
        }
    }

    private void moveToHead(Node node){
        head.next.prev = node;
        node.next = head.next;
        node.prev = head;
        head.next = node;
    }
}

/**
 * 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);
 */

解题方法 ​

Code ​

解题方法

Code