題目：
Design and implement a data structure for Least Recently Used (LRU) cache. It should support the following operations: get and set.
get(key) - Get the value (will always be positive) of the key if the key exists in the cache, otherwise return -1.
set(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.
題解：
這道題是一個資料結構設計題，在leetcode裡面就這麼一道，還是挺經典的一道題，可以好好看看。
這道題要求設計實現LRU cache的資料結構，實現set和get功能。學習過作業系統的都應該知道，cache作為快取可以幫助快速存取資料，但是確定是容量較小。這道題要求實現的cache型別是LRU，LRU的基本思想就是“最近用到的資料被重用的概率比較早用到的大的多”，是一種更加高效的cache型別。
解決這道題的方法是：雙向連結串列+HashMap。
“為了能夠快速刪除最久沒有訪問的資料項和插入最新的資料項，我們將雙向連結串列連線Cache中的資料項，並且保證連結串列維持資料項從最近訪問到最舊訪問的順序。
每次資料項被查詢到時，都將此資料項移動到連結串列頭部（O(1)的時間複雜度）。這樣，在進行過多次查詢操作後，最近被使用過的內容就向連結串列的頭移動，而沒
有被使用的內容就向連結串列的後面移動。當需要替換時，連結串列最後的位置就是最近最少被使用的資料項，我們只需要將最新的資料項放在連結串列頭部，當Cache滿
時，淘汰連結串列最後的位置就是了。 ”
“注： 對於雙向連結串列的使用，基於兩個考慮。
首先是Cache中塊的命中可能是隨機的，和Load進來的順序無關。
其次，雙向連結串列插入、刪除很快，可以靈活的調整相互間的次序，時間複雜度為O(1)。”
解決了LRU的特性，現在考慮下演算法的時間複雜度。為了能減少整個資料結構的時間複雜度，就要減少查詢的時間複雜度，所以這裡利用HashMap來做，這樣時間蘇咋讀就是O(1)。
所以對於本題來說：
get(key): 如果cache中不存在要get的值，返回-1；如果cache中存在要找的值，返回其值並將其在原連結串列中刪除，然後將其作為頭結點。
set(key,value)：當要set的key值已經存在，就更新其value， 將其在原連結串列中刪除，然後將其作為頭結點；當藥set的key值不存在，就新建一個node，如果當前len<capacity,就將其加入hashmap中，並將其作為頭結點，更新len長度，否則，刪除連結串列最後一個node，再將其放入hashmap並作為頭結點，但len不更新。
原則就是：對連結串列有訪問，就要更新連結串列順序。
程式碼如下：
2 = new HashMap<Integer, DoubleLinkedListNode>();
3 private DoubleLinkedListNode head;
4 private DoubleLinkedListNode end;
5 private int capacity;
6 private int len;
7
8 public LRUCache(int capacity) {
9 this.capacity = capacity;
10 len = 0;
11 }
12
13 public int get(int key) {
14 if (map.containsKey(key)) {
15 DoubleLinkedListNode latest = map.get(key);
16 removeNode(latest);
17 setHead(latest);
18 return latest.val;
19 } else {
20 return -1;
21 }
22 }
23
24 public void removeNode(DoubleLinkedListNode node) {
25 DoubleLinkedListNode cur = node;
26 DoubleLinkedListNode pre = cur.pre;
27 DoubleLinkedListNode post = cur.next;
28
29 if (pre != null) {
30 pre.next = post;
31 } else {
32 head = post;
33 }
34
35 if (post != null) {
36 post.pre = pre;
37 } else {
38 end = pre;
39 }
40 }
41
42 public void setHead(DoubleLinkedListNode node) {
43 node.next = head;
44 node.pre = null;
45 if (head != null) {
46 head.pre = node;
47 }
48
49 head = node;
50 if (end == null) {
51 end = node;
52 }
53 }
54
55 public void set(int key, int value) {
56 if (map.containsKey(key)) {
57 DoubleLinkedListNode oldNode = map.get(key);
58 oldNode.val = value;
59 removeNode(oldNode);
60 setHead(oldNode);
61 } else {
62 DoubleLinkedListNode newNode =
63 new DoubleLinkedListNode(key, value);
64 if (len < capacity) {
65 setHead(newNode);
66 map.put(key, newNode);
67 len++;
68 } else {
69 map.remove(end.key);
70 end = end.pre;
71 if (end != null) {
72 end.next = null;
73 }
74
75 setHead(newNode);
76 map.put(key, newNode);
77 }
78 }
79 }
80 }
81
82 class DoubleLinkedListNode {
83 public int val;
84 public int key;
85 public DoubleLinkedListNode pre;
86 public DoubleLinkedListNode next;
87
88 public DoubleLinkedListNode(int key, int value) {
89 val = value;
90 this.key = key;
91 }
Reference：
1. http://blog.csdn.net/hexinuaa/article/details/6630384
（引號中字引自此處）
2. http://www.cnblogs.com/feiling/p/3426967.html
3. http://www.programcreek.com/2013/03/leetcode-lru-cache-java/ （程式碼參考）