LeetCode 146 LRU Cache

LeetCode 146 LRU Cache

Design and implement a data structure for Least Recently Used (LRU) cache. It should support the following operations: get and put.

get(key) - Get the value (will always be positive) of the key if the key exists in the cache, otherwise return -1.
put(key, value) - Set or insert the value if the key is not already present. When the cache reached its capacity, it should invalidate the least recently used item before inserting a new item.

The cache is initialized with a positive capacity.

Follow up:
Could you do both operations in O(1) time complexity?

Example:

LRUCache cache = new LRUCache( 2 / capacity / );

cache.put(1, 1);
cache.put(2, 2);
cache.get(1);       // returns 1
cache.put(3, 3);    // evicts key 2
cache.get(2);       // returns -1 (not found)
cache.put(4, 4);    // evicts key 1
cache.get(1);       // returns -1 (not found)
cache.get(3);       // returns 3
cache.get(4);       // returns 4

题目大意：

设计LRU。就是最就的cache会先被删除。

解题思路：

因为是Cache，get是O(1)，自然想到用HashMap。如果不限容量，get，put都可以O(1)。限容量的情况下，
就要删除部分数据，这里要求按key的时间排序，所以考虑用一个串将keys串联起来。而key的添加和删除
也要O(1)，所以考虑用LinkedList。HashMap和LinkedList的组合很常见。这里value就指向LL中的Node，
而Node中含key和value，key又可以让Node只向HashMap，做到互相索引。分析get和set，get就只要从Map
中读Node的value即可。set比较复杂，含三种情况：

1. 已有节点
2. 不含节点且少于容量
3. 不含节点且大于等于容量

对应链表操作为：

1. 删除该节点且插入到末尾（LL顺序为由旧到新）
2. 插入新节点到末尾
3. 删除头节点且插入新节点到末尾

总结链表操作为两个：

1. 删除某节点
2. 插入新节点到末尾

实现上可以分为单链表和双链表。单链表要让Map指向节点的父节点。实现上很麻烦，因为更新节点都会涉及
两个keys上HashMap更新，即使已有节点换到末尾同样要两次更新Map。但双链表对此情况就避免了Map的更新。

DummyNode的选择：一开始我只选用了DummyHead，但capacity=1的时候要判断末节点是否为空很麻烦，由于
经常性的插入末节点，所以根据若头结点涉及插入删除就应该用dummyNode的原则，末节点也增加dummyNode
程序就简洁很多。

有些解法用单链表，用node映射到对应节点的父节点key_to_prev，这个方法反而不好理解，写的时候也容易错，不推荐

注意事项：

1. set中，若节点存在，更新value。更新节点在链表中的顺序。注意三种情况，已有节点以及不含节点的两种。
2. 头尾dummy node，初始化要相连。
3. 注意删除顺序，先删map中的entry再删Node。否则会出现NPE。新加入是顺序相反。删除节点要将prev和next赋None
4. 双向LL加入新节点有两个赋值语句，不要忘记node.prev, node.next = predecessor, successor

Python代码：

class LRUCache:

    def __init__(self, capacity: int):
        self.key_to_node = {}
        self.capacity = capacity
        self.head = ListNode(0, 0)
        self.tail = ListNode(0, 0)
        self.head.next, self.tail.prev = self.tail, self.head

    def get(self, key: int) -> int:
        if key not in self.key_to_node:
            return -1
        self.move_to_tail(self.key_to_node[key])
        return self.key_to_node[key].val

    def put(self, key: int, value: int) -> None:
        if key in self.key_to_node:
            self.key_to_node[key].val = value
            self.move_to_tail(self.key_to_node[key])
        else:
            if len(self.key_to_node) == self.capacity:
                self.key_to_node.pop(self.head.next.key)
                self.remove_node(self.head.next)

            node = ListNode(key, value)
            self.add_to_tail(node)  # add_to_tail(node)
            self.key_to_node[key] = node

    def move_to_tail(self, node):
        self.remove_node(node)
        self.add_to_tail(node)

    def add_to_tail(self, node):
        predecessor, successor = self.tail.prev, self.tail
        predecessor.next, node.prev = node, predecessor
        node.next, successor.prev = successor, node

    def remove_node(self, node):
        predecessor, successor = node.prev, node.next
        predecessor.next, successor.prev = successor, predecessor
        node.prev, node.next = None, None


class ListNode:
    def __init__(self, key, val, next = None, prev = None):
        self.val = val
        self.key = key
        self.next = next
        self.prev = prev

Java代码：

Map<Integer, ListNode> map;
ListNode head; // from oldest to newest
ListNode tail;
int capacity;
public L146LRUCache(int capacity) {
	this.capacity = capacity;
	head = new ListNode(-1, -1);
	tail = new ListNode(-1, -1);
	head.next = tail;
	tail.prev = head;
	map = new HashMap<>();
}

public int get(int key) {
	if(!map.containsKey(key))
		return -1;
	pushback(key);
	return map.get(key).val;
}

public void put(int key, int value) {
	if(map.containsKey(key)) {
		pushback(key);
		map.get(key).val = value; // remember to update the value
	}
	else {
		if(map.size() == capacity) {
			map.remove(head.next.key);
			deleteNode(head.next);
		}
		// add new key
		ListNode newNode = new ListNode(key, value);
		addNodeToTail(newNode);
		map.put(key, newNode);
	}
}

void pushback(int key) {
	ListNode curNode = map.get(key);
	deleteNode(curNode);
	addNodeToTail(curNode);
}

void addNodeToTail(ListNode curNode) {
	ListNode prevTailNode = tail.prev;
	prevTailNode.next = curNode;
	curNode.prev = prevTailNode;
	curNode.next = tail;
	tail.prev = curNode;
}
// delete head node and updated node
void deleteNode(ListNode curNode) {
	ListNode nextNode = curNode.next;
	ListNode prevNode = curNode.prev;
	prevNode.next = nextNode;
	nextNode.prev = prevNode;
	curNode.next = null;
	curNode.prev = null;
}

public class ListNode {
	public int key;
	public int val;
	public ListNode next;
	public ListNode prev;

	public ListNode(int key, int val) {
		this.key = key;
		this.val = val;
	}
}

算法分析：

时间复杂度为O(1)，空间复杂度为O(n)。