1. 数据流中的第K大元素

设计一个找到数据流中第K大元素的类（class）。注意是排序后的第K大元素，不是第K个不同的元素。

你的 KthLargest 类需要一个同时接收整数 k 和整数数组nums 的构造器，它包含数据流中的初始元素。每次调用 KthLargest.add，返回当前数据流中第K大的元素。

示例:

int k = 3;
int[] arr = [4,5,8,2];
KthLargest kthLargest = new KthLargest(3, arr);
kthLargest.add(3);   // returns 4
kthLargest.add(5);   // returns 5
kthLargest.add(10);  // returns 5
kthLargest.add(9);   // returns 8
kthLargest.add(4);   // returns 8
说明:
你可以假设 nums 的长度≥ k-1 且k ≥ 1。

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/kth-largest-element-in-a-stream
著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。

建立元素为k的小顶堆，堆顶元素就是第k大的元素。

import java.util.PriorityQueue;
import java.util.Queue;

class KthLargest {

private Queue queue;
private int size;

public KthLargest(int k, int\[\] nums) {  
    //建立一个小顶堆  
    queue = new PriorityQueue<>(k);  
    size = k;  
    for (int i = 0; i < nums.length; i++) {  
        this.add(nums\[i\]);  
    }  
}

public int add(int val) {  
    if(queue.size() == size){  
        if(queue.peek() < val){  
            queue.poll();  
            queue.add(val);  
        }  
    }else{  
        queue.offer(val);  
    }  
    return queue.peek();  
}  

}

/**
* Your KthLargest object will be instantiated and called as such:
* KthLargest obj = new KthLargest(k, nums);
* int param_1 = obj.add(val);
*/

2. 滑动窗口最大值

给定一个数组 nums，有一个大小为 k 的滑动窗口从数组的最左侧移动到数组的最右侧。你只可以看到在滑动窗口内的 k 个数字。滑动窗口每次只向右移动一位。

返回滑动窗口中的最大值。

示例:

输入: nums = [1,3,-1,-3,5,3,6,7], 和 k = 3
输出: [3,3,5,5,6,7]
解释:

滑动窗口的位置 最大值
--------------- -----
[1 3 -1] -3 5 3 6 7 3
1 [3 -1 -3] 5 3 6 7 3
1 3 [-1 -3 5] 3 6 7 5
1 3 -1 [-3 5 3] 6 7 5
1 3 -1 -3 [5 3 6] 7 6
1 3 -1 -3 5 [3 6 7] 7

提示：

你可以假设 k 总是有效的，在输入数组不为空的情况下，1 ≤ k ≤ 输入数组的大小。

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/sliding-window-maximum
著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。

建立大顶堆，堆顶元素就是最大值。

import java.util.PriorityQueue;
import java.util.Queue;
import java.util.Comparator;

class Solution {
public int[] maxSlidingWindow(int[] nums, int k) {
if(nums == null || nums.length == 0){
return new int[]{};
}
int[] res = new int[nums.length - k + 1];
Queue queue = new PriorityQueue<>(k, new Comparator() {
@Override
public int compare(Integer o1, Integer o2) {
return o2 - o1;
}
});
for (int i = 0; i < nums.length; i++) {
if(queue.size() == k){
queue.remove(nums[i - k]);
queue.offer(nums[i]);
}else{
queue.offer(nums[i]);
}

        if(queue.size() == k){  
            res\[i - k + 1\] = queue.peek();  
        }  
    }  
    return res;  
}  

}

附录

https://www.cnblogs.com/DarrenChan/p/10306114.html