编写程序实现LRU算法

LRU算法，即最近最少使用算法，是一种缓存淘汰策略。它的基本思路是：当缓存已满时，把最近最少使用的数据淘汰掉，然后把新的数据存入缓存中。

实现LRU算法可以用双向链表和哈希表结合的方法。具体实现步骤如下：

1. 创建一个双向链表，用于存储缓存中的数据。
2. 创建一个哈希表，用于将数据的键值映射到链表中的节点。
3. 当需要访问某个数据时，先在哈希表中查找是否存在该节点。
4. 如果存在，则将其从链表中移动到链表头部，表示该数据被最近访问过。
5. 如果不存在，则将数据插入到链表头部，同时在哈希表中创建一个新的映射。
6. 如果插入后链表长度超过了缓存容量，则将链表尾部的节点删除，并在哈希表中删除对应的映射。

下面是一个示例代码实现：

class LRUCache:

    def __init__(self, capacity: int):
        self.capacity = capacity
        self.cache = {}
        self.head = Node()
        self.tail = Node()
        self.head.next = self.tail
        self.tail.prev = self.head

    def get(self, key: int) -> int:
        if key in self.cache:
            node = self.cache[key]
            self._remove(node)
            self._add(node)
            return node.val
        else:
            return -1

    def put(self, key: int, value: int) -> None:
        if key in self.cache:
            node = self.cache[key]
            node.val = value
            self._remove(node)
            self._add(node)
        else:
            if len(self.cache) == self.capacity:
                del self.cache[self.tail.prev.key]
                self._remove(self.tail.prev)
            node = Node(key, value)
            self.cache[key] = node
            self._add(node)

    def _add(self, node: 'Node') -> None:
        p = self.head.next
        self.head.next = node
        node.prev = self.head
        node.next = p
        p.prev = node

    def _remove(self, node: 'Node') -> None:
        p = node.prev
        q = node.next
        p.next = q
        q.prev = p

class Node:

    def __init__(self, key=None, val=None):
        self.key = key
        self.val = val
        self.prev = None
        self.next = None

上述代码中，Node类表示双向链表中的节点。LRUCache类实现了缓存的基本操作，包括get和put方法。其中，put方法中先判断数据是否在缓存中，如果在，则将其移动到链表头部，如果不在，则插入到链表头部。如果缓存已满，则删除链表尾部的节点。get方法中同样将访问的节点移动到链表头部。缓存的数据通过哈希表来快速查找。