本文參考

出自LeetCode上的題庫 —— 滑動視窗最大值，一般的雙指標解法會導致時間超時，需要藉助大根堆（大頂堆）實現

https://leetcode-cn.com/problems/sliding-window-maximum/

滑動視窗最大值問題

給定一個整數陣列nums，有一個大小為k的滑動視窗從陣列的最左側移動到陣列的最右側，每次只向右移動一位

返回滑動視窗每次移動後，視窗中的最大值

示例1：
輸入：nums = [1, 3, -1, -3, 5, 3, 6, 7], k = 3
輸出：[3, 3, 5, 5, 6, 7]
解釋：
滑動視窗的位置 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

解題思路

第一種解法是直接利用雙指標，讓$left$和$right$指標每次向右移動一個位置，每次移動後求取視窗內子串的最大值。但這種直觀的思路會導致時間超時，若陣列的長度為$n$，視窗長度為$k$，時間複雜度為$O(nk)$

第二種解法是藉助python的heapq小根堆函式庫，如果需要大根堆的效果，只需對陣列的每個值取負值。建立堆的時間複雜度為$O(n)$，修改堆的時間複雜度為$O(logn)$，這時可能會問，我每次從堆裡刪除不在視窗中的元素，再向堆裡插入視窗中新增的元素，還是很耗時啊？實際上，我們不需要在視窗移動時，每次都刪除堆中不需要的元素，只要保證堆頂的元素在視窗中就行，從而減少堆的pop操作

雙指標解法（超時）

class Solution:
  def max_sliding_window(self, nums: List[int], k: int) -> List[int]:
    left = 0
    right = k
    ans = list()
    while right <= len(nums):
      curr = max(nums[left:right])
      ans.append(curr)
      left += 1
      right += 1
    return ans

大根堆解法（nlogn）

def max_sliding_window(self