题目

https://oj.leetcode.com/problems/lru-cache/

分析

这道题主要考察的是数据结构的设计能力。

首先考虑用hash_map来存储数据，这样get()可以达到O(1)；不过hash_map没有淘汰LRU Cache的高效办法：一种方法是每个node存放一个最近使用的时间，每次set()时遍历时找出LRU node，这样set()是O(n)的时间复杂度，而且这样设计的话每次还要计算出哪个节点和现在的时间差值最大，实现起来特别麻烦。

之前面试的时候面试官提示可以用list实现：每次把最近用到的节点放到list最前面。但是当时觉得这种方法不太好，因为get()和set()的时间复杂度都是O(n)，效率实在太低。

现在来看，应该是把hash_map和链表结合起来来用，使得get()和set()都能够达到O(1)的时间复杂度：每次用到的数据添加到list最前面，每次需要淘汰数据时，淘汰list的最后面的元素。同时用hash_map记录每个key在list中的位置，这样每次要根据key查询数据时，便到hash_map中查找数据。

代码

class LRUCache
{
public:
	LRUCache(int capacity)
	{
		capacity_ = capacity;
	}

	int get(int key)
	{
		if (cache_map_.find(key) == cache_map_.end())
			return -1;
		else
		{
			//delete old node and push a new node in front of list
			int temp = cache_map_[key]->second;
			cache_.erase(cache_map_[key]);
			cache_.push_front(pair<int, int>(key, temp));
			cache_map_[key] = cache_.begin();
			return temp;
		}
	}

	void set(int key, int value)
	{
		if (cache_map_.find(key) == cache_map_.end())
		{
			if (cache_.size() >= capacity_)
			{
				//delete the last node of list
				cache_map_.erase(cache_.back().first);
				cache_.pop_back();
			}
			//push new node in front of list
			cache_.push_front(pair<int, int>(key, value));
			cache_map_[key] = cache_.begin();
		}
		else
		{
			//delete old node and push a new node in front of  list
			cache_.erase(cache_map_[key]);
			cache_.push_front(pair<int, int>(key, value));
			cache_map_[key] = cache_.begin();
		}
	}

private:
	int capacity_;
	list<pair<int, int>> cache_;
	unordered_map<int, list<pair<int, int>>::iterator> cache_map_;
};

Note

在写代码的过程中，犯了很多2B的错误，导致花了很久才找出错误。

1. 在更新list中的node时，忘记了同时更新map中的数据。

2. 错误的把list.end()当做了list最后一个节点。 list.back()才是list最后一个节点。

参考

http://fisherlei.blogspot.com/2013/11/leetcode-lru-cache-solution.html

本文章迁移自http://blog.csdn.net/timberwolf_2012/article/details/40954059