LeetCode 146.LRU緩存機制

運用你所掌握的數據結構，設計和實現一個 LRU (最近最少使用) 緩存機制。它應該支持以下操作： 獲取數據 get 和 寫入數據 put 。

獲取數據 get(key) - 如果密鑰 (key) 存在於緩存中，則獲取密鑰的值（總是正數），否則返回 -1。
寫入數據 put(key, value) - 如果密鑰不存在，則寫入其數據值。當緩存容量達到上限時，它應該在寫入新數據之前刪除最久未使用的數據值，從而爲新的數據值留出空間。

進階:

你是否可以在 O(1) 時間複雜度內完成這兩種操作？

示例:

LRUCache cache = new LRUCache( 2 /* 緩存容量 */ );

cache.put(1, 1);
cache.put(2, 2);
cache.get(1); // 返回 1
cache.put(3, 3); // 該操作會使得密鑰 2 作廢
cache.get(2); // 返回 -1 (未找到)
cache.put(4, 4); // 該操作會使得密鑰 1 作廢
cache.get(1); // 返回 -1 (未找到)
cache.get(3); // 返回 3
cache.get(4); // 返回 4

tips:
數據結構：用unordered_map實現O(1)內訪問，用list的O(1)時間的插入刪除特性，實現維護緩衝區的大小以及優先順序。

class LRUCache {
private:
	int capacity;
	list<pair<int,int>> cache;
	unordered_map<int, list<pair<int,int>>::iterator> mymap;
public:
    LRUCache(int cap) {
		capacity=cap;
    }
    
    int get(int key) {
		if(mymap.find(key)!=mymap.end()) {
			auto iter= mymap[key];
			int val=(*iter).second;
			cache.erase(iter);
			cache.push_front({key,val});
			mymap[key]=cache.begin();
			return val;
		} else {
			return -1;
		}
    }
    
    void put(int key, int value) {
		if(mymap.find(key)!=mymap.end()) {
			
			auto iter= mymap[key];
			cache.erase(iter);
			cache.push_front({key,value});
			mymap[key]=cache.begin();
		} else {
			// 判斷容量是否已滿
			if(cache.size() == capacity) {
				auto back=cache.back();
				mymap.erase(back.first);
				cache.pop_back();
			}
			cache.push_front({key,value});
			mymap[key]=cache.begin();
		}
    }
};