不定长滑动窗口算法详细解释(带例题的详细解法)

已于 2024-08-08 21:56:34 修改
阅读量1.5k 收藏 15
点赞数 44
CC 4.0 BY-SA版权
分类专栏： 基础算法详解 文章标签： 算法 python c++ java 开发语言 面试
于 2024-07-18 20:07:11 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/2401_83669813/article/details/140515629

本文参考:

灵茶山艾府

题单:分享丨【题单】滑动窗口（定长/不定长/多指针） - 力扣（LeetCode）

我的上一篇文章：关于定长滑动窗口的解法，建议刚学的先学好第一篇的内容，不定长某些情况要复杂很多

定长滑动窗口算法详细解释(带例题的详细解法)-CSDN博客

不定长滑动窗口通用解法：

通用解法:

        首先要明确题目要求，是否可以使用滑动窗口做，是否求的连续区间

初始化两个端点：left,right分别表示窗口的左右两个端点

右端点移动：right增加，元素进入滑动窗口

判断：判断窗口是否满足条件

            当满足条件：维持条件的情况下，左端点移动

                                更新答案(窗口最大值，最小值，满足条件的窗口数量)

例题一：最大值，例题二：最小值，例题三：满足条件的窗口数量

例题一：

3. 无重复字符的最长子串 - 力扣（LeetCode）

非常经典的不定长滑动窗口题目，求满足条件的窗口大小的最小值

题目描述解析：

题目提示是
子字符串 是字符串中连续的 非空 字符序列。

所以可以理解成不定长滑动窗口，找一个滑动窗口长度的最大值。

解题思路：

题目要求是找出“不含有的字符的子串”
可以用一个set进行维护

(当然s 由英文字母、数字、符号和空格组成，可以直接用一个128长度的数组)

窗口左端点left,右端点right。起始都为0

right右移并且把新元素添加进入set

当set中已经有新元素的时候
表示现在的窗口所包含的字串已经不满足“含有不重复字符”

移动左端点使得窗口内子串满足条件

更新这个过程中的窗口大小的最大值即可

实际例子理解:

示例 1:

最低0.47元/天 解锁文章
定长滑动窗口算法详细解释(带例题的详细解法)
2401_83669813的博客
07-17 1503
个人觉得我对滑动窗口的解释好理解一些(bushi)
二分查找不理解？一篇弄懂！--基础二分查找算法详细解释(带简单例题的详细解法)
2401_83669813的博客
08-16 2384
本文详细讲解基础的二分查找算法，包括原理和模板（三种写法）还有相关库函数，并用leetcode和洛谷的一些例题来进行实际算法题讲解
不定长滑动窗口
2301_77892984的博客
10-22 320
滑动窗口的内层循环结束时，右端点固定在 right，左端点在 left,left+1,⋯,right 的所有子数组（子串）都是合法的，这一共有 right−left+1 个。一般要写 ans += right - left + 1 (while循环外）713.乘积小于k的子数组。
【算法笔记day two】滑动窗口（不定长版）
最新发布
yktssg的博客
05-20 1041
hello大家好，本期文章紧接着上期，讲述滑窗的下一个大分类——不定长。定长滑窗请看我上期文章，有详细介绍。温馨提醒，代码大部分为手搓，答案方法不唯一。如果想要优雅的版本可以去找其他题解，我的代码只是会把注释标清楚。另外题目不会有很多，只是其中比较有代表性的节选。注：滑动窗口相当于在维护一个队列。右指针的移动可以视作入队，左指针的移动可以视作出队。
不定长 滑动窗口
每篇博客都不是最终版，都会随着我的学习更新
01-13 1507
非定长滑动窗口的分类、写法和例题
滑动窗口 不定长 （1）
m0_74200445的博客
06-02 495
思路就是，把相同的元素进行分组，并且记录下标，然后计算出相同元素之间有几个不同元素，在每组里面进行滑动窗口，真的不好想，而且对于我这个小白来说真的有点复杂的。不定长的滑动窗口和最值问题有关，可以先设定窗口的左端点对应数组的0下标，然后移动窗口的右边界，当这个窗口不满足某些条件时，调整参数，移动左边界。虽然这个程序中有两个循环，但是实际上对right 来说 只是遍历了字符串一遍，于是时间复杂度仍然是O（n）的。最优的方案是删除下标 2 和下标 4 的元素。个元素后，返回可能的最长等值子数组的长度。
【算法】滑动窗口题单——4.不定长滑动窗口（求子数组个数）
小威的博客
10-28 282
枚举左端点，扩展右端点。枚举右端点，收缩左端点。
算法练习题--滑动窗口算法详细解析(上)(简单题) -- 适合面试和算法竞赛 -- 滑动！
2401_83669813的博客
08-09 1427
本文讲解的题目（建议先尝试一下再看题解):(题目后面的数字表示难度分，可以直接点击链接跳转到题目)
解决定长滑动窗口问题（一）----开篇
2401_83880741的博客
10-11 563
一招掌握定长滑动窗口问题
【算法】滑动窗口题单——2.不定长滑动窗口（求最长/最大）
小威的博客
11-20 368
窗口内最多有 1 个0，用 id 记录上一个出现 0 的位置，当出现新的 0 时，将左端点设置为 l = id + 1。维护一个滑动窗口，枚举右端点，当窗口中T和F的较小数量大于k时，将左端点向右移。随着右端点的枚举，左端点也会随着窗口的扩大导致不合理，从而将左端点右移。维护各个字符的出现次数，当哈希表中字符种类大于 2 的时候将左端点右移。每个窗口都假设变成最大的那个数字，不能变的移出窗口。维护一个窗口中最多出现 k 个 0 的滑动窗口。维护一个窗口，窗口中是可以被采集的水果。最后使用滑动窗口计算。
数据结构-线性表(数组)-双指针-不定长滑动窗口567&713&3&697
weixin_43288822的博客
05-27 345
目录什么时候使用不定长滑动窗口(尺取法)？尺取法做法跟前缀和法的区别？leetcode题713. 乘积小于 K 的子数组 什么时候使用不定长滑动窗口(尺取法)？ 寻找一个容器中是否有(有多少个)子容器符合某种条件，根据上述，这个条件大概率是指小于某某指，可以使用尺取法。 尺取法做法 尺取法做法： 现在遇到的尺取法就是固定右边界，这时该窗口刚好符合不超过条件，当右边界往右再移动一下就会不符合条件。这时就需要右移左边界。左右指针都只会增加不会减小。 跟前缀和法的区别？ 什么时候尺取法？什么时候前缀和法？那种场景
【不定长滑动窗口】3. 无重复字符的最长子串、209. 长度最小的子数组
qq_38253797的博客
04-12 219
目录3. 无重复字符的最长子串leetcode: [问题详解](https://leetcode-cn.com/problems/longest-substring-without-repeating-characters/submissions/).b站: [视频讲解1](https://www.bilibili.com/video/BV1va4y1J7Gx).方法一、不定长模板方法二209. 长度最小的子数组leetcode: [问题详解](https://leetcode-cn.com/problem
【leetcode每日一题】【滑动窗口长度不固定】案例
qq_43720551的博客
02-25 899
简单介绍一下滑动窗口在求最大值和最小值的应用
(双指针) 滑动窗口 定长与不定长
cuber-lotus的博客
02-06 1856
力扣：239. 滑动窗口最大值 牛客：智乃的密码 双指针是算法中常见的处理方式。 在处理线性的题目时，通常会有提到另外的说法，`滑动窗口`（或尺取）。 以常见的字符串为例，我们设定两个指针，`左指针left`，`右指针right`当两个指针都确定了在串中的位置，则可以截取一个字串。我们可以把它比作是一个窗口，而当两个指针进行移动的时候，那这个窗口也就滑动了。 力扣：[219. 存在重复元素 II] 力扣：[567. 字符串的排列]
不定长滑动窗口的一般套路
qq_32173423的博客
04-24 477
【代码】不定长滑动窗口的一般套路。
leetcode——滑动窗口法——不定长窗口和定长窗口
qq_58380856的博客
11-22 558
对于题目中涉及到对连续子数组，连续子串进行操作，判断的题目应首先考虑是否可以使用滑动窗口来解决。给定长度的子串或子数组用定长窗口来解决，left=0，right=length-1，然后窗口逐渐右移滑动（left++，right++），而对于不确定长度的子串和子数组来说，需采用不定长窗口滑动确定结果。这是一种框架式的方法，使用前需针对窗口内的特征，弄清滑动过程，即可按照框架写出程序。ps：满足题目条件就扩充窗口，即右边界右移，不满足就缩小窗口，即左边界右移（注意是否可以直接确定新左边界的位置）。
滑动窗口（数组中一定长度范围内的最大值）
liugg2016的博客
08-23 1419
问题描述：整型数组array和width的窗口从数组最左边滑到最右边，每次向右边滑动一个位置，返回一个长度为size-width+1的数组res，res[i]表示第种窗口状态下的最大值。 实例： 输入： vector<int>array={4,3,5,4,3,3,6,7}; int width=3; 输出： vector<int> res = {5,5,5,4,6...
滑动窗口算法例题
04-02
### 关于滑动窗口算法的示例题目及其解析 #### 题目一：最小覆盖子串 (Minimum Window Substring) 此问题是经典的滑动窗口应用之一，其核心在于找到能够覆盖目标字符串 `T` 的最小子串。以下是对此问题的具体分析： - **输入**: 字符串 `S` 和字符串 `T`。 - **输出**: 返回 `S` 中包含 `T` 所有字符的最短子串。 ##### 解题思路 为了求解这个问题，可以通过维护一个动态窗口来逐步缩小搜索范围[^3]。具体步骤如下： 1. 使用两个指针分别代表窗口的起始位置和结束位置。 2. 不断扩展右边界直到窗口内的字符包含了所有的目标字符。 3. 当满足条件时，尝试收缩左边界以寻找更小的可能解。 4. 记录过程中发现的所有符合条件的窗口，并最终返回长度最小的那个。 这种方法相比暴力枚举大大减少了计算量，因为它避免了重复检查已经验证过的部分数据[^2]。 #### 示例代码实现 下面提供了一个 Python 实现版本作为参考： ```python from collections import Counter def minWindow(s, t): need = Counter(t) # 统计t中各字母的数量 missing = len(t) # 缺失字符总数 i = I = J = 0 # 初始化索引变量 for j, char in enumerate(s): # 开始遍历s中的每一个字符 if need[char] > 0: # 如果当前字符是所需的一个，则减少缺失数 missing -= 1 need[char] -= 1 # 更新need字典 if missing == 0: # 当前窗口已完全包含t while i < j and need[s[i]] < 0: need[s[i]] += 1 # 收缩左侧直至不能再收缩为止 i += 1 if not J or j-i < J-I: # 检查是否找到了新的最优解 I,J = i,j need[s[i]] += 1 # 准备移动i之前恢复状态 missing += 1 # 并增加一次missing以便继续探索其他可能性 i += 1 # 移动i到下一个位置重新开始查找过程 return s[I:J+1] print(minWindow("ADOBECODEBANC", "ABC")) # 输出："BANC" ``` 上述程序展示了如何利用双指针技巧配合哈希表完成对最小覆盖子串的有效检索操作[^4]。 --- ### 总结 通过以上案例可以看出，在处理涉及连续序列的问题时，尤其是那些需要频繁调整区间端点的任务上，采用滑动窗口策略往往能显著提升效率。它不仅简化了复杂度较高的穷尽式搜索方法，还使得解决方案更加直观易懂[^1]。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值