✨✨✨学习的道路很枯燥，希望我们能并肩走下来!
文章目录
目录
前言
本篇详细介绍了滑动窗口的使用，让使用者了解滑动窗口，而不是仅仅停留在表面，更好的模拟，为了更好的使用. 文章可能出现错误，如有请在评论区指正，让我们一起交流，共同进步！
一 滑动窗口是什么？
其实就是我们前文提到的同向指针（前后指针
一般情况下，我们利用同向双指针来维护一个区间，在移动区间的过程中像一个窗口滑来滑去，因此称为滑动窗口
简而言之，滑动窗口算法在一个特定大小的字符串或数组上进行操作，而不在整个字符串和数组上操作，这样就降低了问题的复杂度，从而也达到降低了循环的嵌套深度。其实这里就可以看出来滑动窗口主要应用在数组和字符串上。
什么时候用滑动窗口？
1. 同向双指针
2. 指针不回退
二 相关题目解析
1. 长度最小的子数组
🥳题目解析
这道题要求我们返回符合条件的子数组的最小长度，没有则返回0
🥳算法原理
✏️思路1 暴力枚举出所有子数组之和
暴力枚举出所有子数组之和，时间复杂度为O（N2）
class Solution {
public:
int minSubArrayLen(int s, vector<int>& nums) {
int n = nums.size();
if (n == 0) {
return 0;
}
int ans = INT_MAX;
for (int i = 0; i < n; i++) {
int sum = 0; //利用sum边走边++，使得不用再遍历一遍
for (int j = i; j < n; j++) {
sum += nums[j];
if (sum >= s) {
ans = min(ans, j - i + 1);
break;
}
}
}
return ans == INT_MAX ? 0 : ans;
}
};✏️思路2 滑动窗口
我们在暴力解法的过程中发现，有一些情况是没有必要枚举出来的（一定不符合要求
当我们移动到如图上所示时，子数组的值已经大于target，
如果我们继续扩大窗口， 子数组的值一定仍大于target，但子数组的长度不断扩大，与我们的最小子数组长度不符，因此无需枚举后面的情况。
代码解析
class Solution {
public:
int minSubArrayLen(int target, vector<int>& nums) {
int sum = 0, len = INT_MAX; //给最大，方便更新结果
for(int left = 0,right =0;right<nums.size();right++)
{
sum+=nums[right]; //进窗口
while(sum>=target)//判断
{
len = min(len,right-left+1); //更新结果
sum-=nums[left++]; //出窗口
}
}
return len == INT_MAX ? 0 : len;
}
};2. 无重复字符的最长子串
🥳题目解析
🥳算法原理
✏️思路1 暴力枚举 + 哈希表
固定一个数，从左到右遍历，将每个数放进哈希表，遇到重复的数停止，更新数据，固定数位置右移重复上述操作
✏️思路2 滑动窗口优化+哈希表
class Solution {
public:
int lengthOfLongestSubstring(string s) {
int hax[128]={0}; //利用数组来模拟哈希表
int left = 0, right = 0;
int ret = 0;
while(right<s.size())
{
hax[s[right]]++; //进窗口
while(hax[s[right]]>1) //判断重复
hax[s[left++]]--; //出窗口
ret = max(ret,right-left+1); //更新结果
right++; //让下一个元素进入窗口
}
return ret;
}
};3. 最大连续1的个数 III
🥳题目解析
1004. 最大连续1的个数 III - 力扣（LeetCode）
🥳算法原理
✏️思路1 暴力枚举 + 计数器
for(int i = 0 ;i<nums.size();i++)
{
for(int j = i;j<nums.size();j++)
{
//...zero>k
}
}✏️思路2 滑动窗口优化+计数器
class Solution {
public:
int longestOnes(vector<int>& nums, int k) {
int ret = 0;
for(int left = 0,right = 0,zero = 0;right<nums.size();right++)
{
if(nums[right] == 0) //进窗口
zero++;
while(zero>k) //判断
{
if(nums[left++]==0) //出窗口
zero--;
}
ret = max(ret,right-left+1); //更新结果
}
return ret;
}
};4.将x减到0的最小操作数
🥳题目解析
🥳算法原理
✏️思路 滑动窗口（正难则反
class Solution {
public:
int minOperations(vector<int>& nums, int x) {
int sum = 0;
for(auto&e : nums)
sum+=e;
int tmp = 0, len = -1;
int target = sum - x;
if(target<0)
return -1;
for(int left = 0 ,right = 0 ;right<nums.size();right++)
{
tmp+=nums[right];
while(tmp>target)
{
tmp-=nums[left++];
}
if(tmp == target)
len = max(len,right - left + 1);
}
if(len == -1)
return len;
else return nums.size()-len;
}
};5. 水果成篮
🥳题目解析
🥳算法原理
✏️思路 滑动窗口+哈希表
因为题目中提到
1 <= fruits.length <= 105
因此我们可以用数组来代替哈希表
class Solution {
public:
int totalFruit(vector<int>& fruits) {
int hash[100001] = {0};//统计窗口内出现了多少种水果
int ret = 0;
for(int left = 0,right = 0, kinds = 0;right<fruits.size();right++)
{
if(hash[fruits[right]] == 0)
kinds++;
hash[fruits[right]]++; //进窗口
while(kinds >2) //判断
{
//出窗口
hash[fruits[left]]--;
if(hash[fruits[left]] == 0)
kinds--;
left++;
}
//更新结果
ret = max(ret,right - left +1);
}
return ret;
}
};6. 找到字符串中所有字母异位词
🥳题目解析
🥳算法原理
✏️思路 滑动窗口+哈希表
class Solution {
public:
bool check(int s1[],int s2[])
{
for(int i = 0;i<26;i++)
{
if(s1[i]!=s2[i])
return false;
}
return true;
}
vector<int> findAnagrams(string s, string p) {
int hash1[26] = {0};
int hash2[26] = {0};
vector<int> result;
for(int i = 0;i<p.size();i++)
{
hash1[p[i]-'a']++;
}
for(int left = 0,right = 0;right<s.size();right++)
{
hash2[s[right]-'a']++;
if(right-left+1>p.size())
{
hash2[s[left]-'a']--;
left++;
}
if(check(hash1,hash2))
result.push_back(left);
}
return result;
}
};这里我们发现我们每次都要频繁的进入check函数进行检查，时间复杂度为26*n
我们可以对检查这一步骤进行优化
class Solution {
public:
vector<int> findAnagrams(string s, string p) {
int hash1[26] = {0}; //统计字符串p中每个字符出现个数
for(auto&e : p) hash1[e-'a']++;
int hash2[26] = {0};//统计窗口中每个字符出现个数
vector<int> ret;
for(int left = 0,right = 0,count = 0;right<s.size();right++) //count窗口中有效字符个数
{
char in = s[right];
if(++hash2[in-'a']<=hash1[in-'a']) count++; //进窗口+维护count
if(right - left + 1 >p.size()) //判断
{
char out = s[left++];
if(hash2[out-'a']--<=hash1[out-'a']) count--; //出窗口+维护count
}
//更新结果
if(count == p.size()) ret.push_back(left);
}
return ret;
}
};7. 串联所有单词的字串
🥳题目解析
此题是「438. 找到字符串中所有字母异位词」的进阶版。不同的是第 438 题的元素是字母，而此题的元素是单词。可以用类似的方法的滑动窗口来解这题。
🥳算法原理
✏️思路 滑动窗口+哈希表
class Solution {
public:
vector<int> findSubstring(string s, vector<string>& words) {
vector<int> ret;
unordered_map<string,int> hash1; //保存words里面所有单词的频率
for(auto& e : words) hash1[e]++;
int len = words[0].size(), n = words.size();
for(int i = 0;i < len; i++) //执行len次
{
unordered_map<string,int> hash2; //保护窗口内单词的频率
for(int left = i,right = i, count = 0;right+len<=s.size();right+=len)
{
//进窗口+维护count
string in = s.substr(right,len);
if(++hash2[in]<=hash1[in]) count++;
//判断
if(right-left+1>len*n)
{
//出窗口+维护count
string out = s.substr(left,len);
if(hash2[out]--<=hash1[out]) count--;
left+=len;
}
//更新结果
if(count == n) ret.push_back(left);
}
}
return ret;
}
};小细节优化：
if(++hash2[in]<=hash1[in]) count++;执行这段代码时，hash1哈希表未必有对应的单词in，这时候编译器会向hash1创建一个in，使得时间复杂度增加
优化后的代码
class Solution {
public:
vector<int> findSubstring(string s, vector<string>& words) {
vector<int> ret;
unordered_map<string,int> hash1; //保存words里面所有单词的频率
for(auto& e : words) hash1[e]++;
int len = words[0].size(), n = words.size();
for(int i = 0;i < len; i++) //执行len次
{
unordered_map<string,int> hash2; //保护窗口内单词的频率
for(int left = i,right = i, count = 0;right+len<=s.size();right+=len)
{
//进窗口+维护count
string in = s.substr(right,len);
if(hash1.count(in)&&++hash2[in]<=hash1[in]) count++;
//判断
if(right-left+1>len*n)
{
//出窗口+维护count
string out = s.substr(left,len);
if(hash1.count(out)&&hash2[out]--<=hash1[out]) count--;
left+=len;
}
//更新结果
if(count == n) ret.push_back(left);
}
}
return ret;
}
};8. 最小覆盖字串
🥳题目解析
🥳算法原理
✏️思路 滑动窗口+哈希表
class Solution {
public:
string minWindow(string s, string t) {
int hash1[128] = {0};
int kinds = 0;
for(auto& ch : t)
{
if(hash1[ch]==0) kinds++;
hash1[ch]++;
}
int hash2[128] = {0};
int minlen = INT_MAX, begin = -1;
for(int left = 0,right = 0,count = 0;right<s.size();right++)
{
char in = s[right];
if(++hash2[in] == hash1[in]) count++;
while(count == kinds)
{
if(right-left+1<minlen)
{
minlen = right-left+1;
begin = left;
}
char out = s[left++];
if(hash2[out]-- == hash1[out]) count--;
}
}
if(begin == -1) return "";
else return s.substr(begin,minlen);
}
};总结
✨✨✨各位读友，本篇分享到内容是否更好的让你理解滑动窗口算法，如果对你有帮助给个👍赞鼓励一下吧！！
🎉🎉🎉世上没有绝望的处境，只有对处境绝望的人。
感谢每一位一起走到这的伙伴，我们可以一起交流进步！！！一起加油吧！！
9261
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
