面试难点！常用算法技巧之“滑动窗口”，2024年最新java电商项目面试

先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7

深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年最新Java开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上Java开发知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以添加V获取：vip1024b （备注Java）

正文

while right < seq_len:

slide_win.append(seq[right])

还没找到一个可行解

if not avaliable(slide_win):

扩大窗口

right += 1

else:

找到一个可行解，更新结果值

rst = update()

缩小窗口

left += 1

2、双层循环

def template():

初始化滑动窗口两端

left = right = 0

序列及序列长度

seq, seq_len = xx, xx

滑动窗口序列

slide_win = []

结果值

rst = xx

while right < seq_len:

slide_win.append(seq[right])

还没找到一个可行解

if not avaliable(slide_win):

扩大窗口

right += 1

continue

循环更新可行解

while avaliable(slide_win):

找到一个可行解，更新结果值

rst = update()

缩小窗口

left += 1

模板只是一个解题思路，具体的题目可能需要具体分析，但是大体框架是不变的。

记住: 多刷题，多总结，是王道

算法示例

---

1、最长不含重复字符的子字符串

from collections import deque

class Solution(object):

def lengthOfLongestSubstring(self, s):

“”"

:type s: str

:rtype: int

“”"

if not s:

return 0

index = 0

因为这个滑动窗口需要从一端进，一端出，因此考虑采用队列

slide_win = deque()

因为在滑动过程中需要不断的从窗口中增减元素，因此需要一个变量来保持最大窗口长度

max_len = 1

while index < len(s):

一个小的优化点：还没有遍历的元素长度加上当前的窗口长度已经小于最大窗口长度，则直接返回结果

if len(slide_win) + (len(s) - index) <= max_len:

return max_len

如果当前元素没有在滑动窗口中，则加入，并且窗口扩大

if s[index] not in slide_win:

slide_win.append(s[index])

index += 1

else:

如果当前元素已经在窗口中有值，则更新最大窗口长度

max_len = max(max_len, len(slide_win))

窗口缩小，对端不变

slide_win.popleft()

return max(max_len, len(slide_win))

2、绝对差不超过限制的最长连续子数组

import heapq

class Solution(object):

def longestSubarray(self, nums, limit):

“”"

:type nums: List[int]

:type limit: int

:rtype: int

“”"

if not nums:

return 0

len_nums = len(nums)

因为需要比较子列表中的最大差值，即需要知道子列表中的最大值和最小值

因此采用大顶堆和小顶堆

max_hq = []

min_hq = []

滑动窗口的前后索引

left = 0

right = 0

在滑动窗口的过程中，更新最大的窗口长度

max_win = 1

while right < len_nums:

if len_nums - left <= max_win:

return max_win

将当前元素及其索引放入堆中，因为python只有小顶堆，因此这里采用负值来模拟大顶堆

heapq.heappush(max_hq, (-nums[right], right))

heapq.heappush(min_hq, (nums[right], right))

窗口的最大差值

diff = -max_hq[0][0] - min_hq[0][0]

最大差值在允许范围内，窗口后边向前滑动，左边保持不变

if diff <= limit:

right += 1

continue

最大差值超过范围：

更新最大窗口长度

max_win = max(max_win, right - left)

保证滑动窗口内的最大差值在允许范围内

while -max_hq[0][0] - min_hq[0][0] > limit:

去掉大顶堆中在滑动窗口之外的所有最大元素

while max_hq[0][1] <= left:

heapq.heappop(max_hq)

去掉小顶堆中在滑动窗口之外的所有最小元素

while min_hq[0][1] <= left:

heapq.heappop(min_hq)

left += 1

return max(max_win, right - left)

3、无重复字符的最长子串

from collections import deque

class Solution(object):

def lengthOfLongestSubstring(self, s):

“”"

:type s: str

:rtype: int

“”"

if not s:

return 0

index = 0

因为这里需要从窗口的两端进行元素的增加或减少，因此采用双端队列

slide_win = deque()

题目要求最长子串长度，因此需要在滑动过程中更新最大长度

max_len = 0

while index < len(s):

ch = s[index]

如果当前元素不在窗口中，则加入窗口

if ch not in slide_win:

slide_win.append(ch)

最后

做任何事情都要用心，要非常关注细节。看起来不起眼的、繁琐的工作做透了会有意想不到的价值。
当然要想成为一个技术大牛也需要一定的思想格局，思想决定未来你要往哪个方向去走, 建议多看一些人生规划方面的书籍,多学习名人的思想格局，未来你的路会走的更远。

更多的技术点思维导图我已经做了一个整理，涵盖了当下互联网最流行99%的技术点，在这里我将这份导图分享出来，以及为金九银十准备的一整套面试体系，上到集合，下到分布式微服务

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加V获取：vip1024b （备注Java）

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
mg-2kjLznGW-1713391947614)]

[外链图片转存中…(img-QwK2r5te-1713391947615)]

[外链图片转存中…(img-e3P1etAB-1713391947615)]

[外链图片转存中…(img-wDfINBMs-1713391947615)]

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加V获取：vip1024b （备注Java）
[外链图片转存中…(img-bviBCDpS-1713391947616)]

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！