长度最小的子数组
算法思想
注:黑色区间为临界子区间
图解:
有上图容易知道,找到临界子区间后,左指针会向右走;如果想让窗口有可能大于等于target,右指针不能往左走(因为这样的区间一定小于target)。
流程:
1.右指针入窗口
2.while(看窗口是否大于target)->更新结果,左指针出窗口
代码实现:
class Solution {
public:
int minSubArrayLen(int target, vector<int>& nums) {
int ans=INT_MAX,sum=0,size=nums.size();
for(int l=0,r=0;r<size;++r){
sum+=nums[r];
while(sum>=target) {
ans=min(ans,r-l+1);
sum-=nums[l++];
}
}
return ans==INT_MAX?0:ans;
}
};
无重复字符的最长子串
算法思想:
注:黑色区间为临界子区间
图解:
有上图容易知道,找到临界子区间后,左指针会向右走;因为重复元素是in,其他元素是不重复的,所以在in出窗口前,这些左指针一定要走到右指针处,所以右指针就不用往回走了
注意:这些左指针一定没有临界子区间大,所以这些元素都无效,直接出窗口
流程:
1.右指针入窗口
2.while(in还没有出窗口) ->左指针出窗口
3.更新结果
代码实现:
class Solution {
public:
int lengthOfLongestSubstring(string s) {
int hash[128]={0},size=s.size(),ans=0;
for(int l=0,r=0;r<size;++r) {
char in = s[r]; ++hash[in];
while(hash[in]>=2) {
char out = s[l++]; --hash[out];
}
ans = max(ans,r-l+1);
}
return ans;
}
};
最大连续1的个数III
算法思想:
与上一题同一模型,本处略……
代码实现:
class Solution {
public:
int longestOnes(vector<int>& nums, int k) {
int zeros=0,size=nums.size(),ans=0;
for(int l=0,r=0;r<nums.size();++r) {
if(nums[r]==0) ++zeros;
while(zeros>k)
if(nums[l++]==0) --zeros;
ans=max(ans,r-l+1);
}
return ans;
}
};
将x减到0的最小操作数
class Solution {
public:
int minOperations(vector<int>& nums, int x) {
int sum=0;
for(const auto& e : nums) sum+=e;
int k=sum-x,size=nums.size(),ans=-1,sum1=0;
if(k<0) return -1;
for(int l=0,r=0;r<size;++r) {
sum1+=nums[r];
while(sum1>k) sum1-=nums[l++];
if(sum1==k) ans=max(ans,r-l+1);
}
if(ans==-1) return -1;
else return size-ans;
}
};
算法思想:
图解:
这种窗口长度为0,一般视作窗口不存在,但用抽象的角度思考,他可以看作是一个什么都没有,长度为0,右指针在左指针左边的窗口
思路: 正难则反
这里的问题可以转化为找到一个最长的,值为sum-x(记作k)的子区间
注意:sum-x<0的情况直接过滤,这种情况不存在
sum==0的子区间是可以找到的
流程:
1.右指针入窗口
2.while(sum1>k)->左指针出窗口
3.if(sum1==k)->更新结果
代码实现:
class Solution {
public:
int minOperations(vector<int>& nums, int x) {
int sum=0;
for(const auto& e : nums) sum+=e;
int k=sum-x,size=nums.size(),ans=-1,sum1=0;
if(k<0) return -1;
for(int l=0,r=0;r<size;++r) {
sum1+=nums[r];
while(sum1>k) sum1-=nums[l++];
if(sum1==k) ans=max(ans,r-l+1);
}
if(ans==-1) return -1;
else return size-ans;
}
};
水果成蓝
算法思想:
流程:
1.右指针入窗口
2.while(count>2) 左指针出窗口
3.更新结果
代码实现:
1.优化版本:
class Solution {
public:
int totalFruit(vector<int>& fruits) {
int size=fruits.size(),kinds=0,ans=0;
vector<int> hash; hash.resize(size,0);
for(int l=0,r=0;r<size;++r) {
int in=fruits[r];
if(hash[in]++==0) ++kinds;
while(kinds>2) {
int out=fruits[l++];
if(--hash[out]==0) --kinds;
}
ans=max(ans,r-l+1);
}
return ans;
}
};
2.普通版本:
class Solution {
public:
int totalFruit(vector<int>& fruits) {
int size=fruits.size(),kinds=0,ans=0;
unordered_map<int,int> hash;
for(int l=0,r=0;r<size;++r) {
int in=fruits[r];
hash[in]++;
while(hash.size()>2) {
int out=fruits[l++];
if(--hash[out]==0) hash.erase(out);
}
ans=max(ans,r-l+1);
}
return ans;
}
};
找到字符串中所有字母异位词
方法一:利用滑动窗口枚举所有的包含目标字符串的子串,再筛选出字符串长度一样的子串
思路1:控制内容
注释:我们称包含目标字符串的子串为【目标】
找到一个【目标】后,左指针向右移动一步,右指针不会往回走,它一定会走到当前位置。
流程:
1.入窗口
2.while(count==size)->更新结果,出窗口
代码实现:
class Solution {
public:
vector<int> findAnagrams(string s, string p) {
int hashp[26]={0};
for(const auto& e : p) ++hashp[e-'a'];
int hashs[26]={0},size=s.size(),count=0;
vector<int> ans;
for(int l=0,r=0;r<size;++r) {
char in=s[r];
if(++hashs[in-'a']<=hashp[in-'a']) ++count;
while(count==(int)p.size()) {
if(count==r-l+1) ans.push_back(l);
char out=s[l++];
if(hashs[out-'a']--<=hashp[out-'a']) --count;
}
}
return ans;
}
};
思路2:控制长度
注释:我们称和目标字符串长度相同的子串为【目标】
找到一个【目标】后,左指针和右指针同时移动。
流程:
1.入窗口
2.if(长度相等) ->更新结果,出窗口
代码实现:
class Solution {
public:
vector<int> findAnagrams(string s, string p) {
int hashp[26]={0};
for(const auto& e : p) ++hashp[e-'a'];
int hashs[26]={0},size=s.size(),count=0,sizep=p.size();
vector<int> ans;
for(int l=0,r=0;r<size;++r) {
char in=s[r];
if(++hashs[in-'a']<=hashp[in-'a']) ++count;
if(r-l+1==sizep) {
if(count==sizep) ans.push_back(l);
char out=s[l++];
if(hashs[out-'a']--<=hashp[out-'a']) --count;
}
}
return ans;
}
};
串联所有单词的字串
找到字符串中所有字母异位词中思路2,思路1也是OK的。
class Solution {
public:
vector<int> findSubstring(string s, vector<string>& words) {
vector<int> ans;
int sizes = s.size(),sizew=words.size(),len=words[0].size();
unordered_map<string,int> hashw;
for(const auto& e : words)
++hashw[e];
for(int i=0;i<len;++i) {
int count=0;
unordered_map<string,int> hashs;
for(int left=i,right=i;right+len<=sizes;right+=len) {
string in=s.substr(right,len);
++hashs[in];
if(hashw.count(in)&&hashs[in]<=hashw[in]) ++count;
if((right-left)/len+1==sizew) {
if(count==sizew) ans.push_back(left);
string out=s.substr(left,len);
if(hashw.count(out)&&hashs[out]<=hashw[out]) --count;
--hashs[out];
left+=len;
}
}
}
return ans;
}
};
最小覆盖子串
找到字符串中所有字母异位词中思路1.
class Solution {
public:
string minWindow(string s, string t) {
int hashp[128]={0};
for(const auto& e : t) ++hashp[e];
int hashs[128]={0},size=s.size(),count=0;
int begin=-1,end;
for(int l=0,r=0;r<size;++r) {
char in=s[r];
if(++hashs[in]<=hashp[in]) ++count;
while(count==(int)t.size()) {
if(begin==-1||r-l+1<end-begin+1) {
begin=l; end=r;
}
char out=s[l++];
if(hashs[out]--<=hashp[out]) --count;
}
}
string ans;
if(begin==-1) return "";
ans=s.substr(begin,end-begin+1);
return ans;
}
};
总结
1.滑动窗口使用前提:左指针向右走,右指针不用往回跑。
2.滑动窗口常用来解决:找到符合要求的连续子串。
2.1.滑动窗口可以找到序列中所有符合要求的连续子串。
例如:找到总和为100的所有子序列
2.2但题目往往这么问:
例如:找到总和为100的最短子序列
这个时候,我们往往会在遍历时比较(打擂台)。