滑动窗口实际上就是双指针的一种特殊场景,由于这类方式能很好的解决一些特定场景的问题,所以就有了“滑动窗口思想”。
滑动窗口基本思想
在数组中,算法会大量移动数组中的元素,频繁的移动元素会导致执行效率低下或超时。使用两个变量就能较好的解决很多相关的问题,在数组和链表中有许多经典例题,于是这种方式就慢慢演化成了“双指针思想”。
在数组双指针中,有“对撞型”和“快慢型”两种方式,而滑动窗口思想就是快慢型的特例。
滑动窗口思想非常简单,就是一个窗口,当不断有新数据来的时候,就不断维护一个窗口,超口窗口大小的就将新的放入,老的移走。
从上图可以了解,所谓的窗口就是建立两个索引,left和right,并且保持{left,right}之间一共有窗口大小个元素,然后一边遍历序列,一边寻找,每改变依次就标记以下当前区间的最大值。
窗口:就是两个变量left和right之间的元素,也可以理解为一个区间,窗口大小可能固定,也可能变化,如果是固定大小的,那么要确定窗口是否越界,在执行逻辑;如果不是固定的,就先判断是否满足要求,在执行逻辑。
滑动:说明这个窗口是移动的,本质上就是移动left和right两个变量,而不是序列中的元素。当变量移动时,其中间的元素必然发生变化,因此就有了这种不断滑动的效果。
在实际问题中,窗口大小不一定是固定的,可以思考以下两种场景:
1.固定的窗口滑动就是火车行驶这种大小不变的移动。
2.可变的窗口就是老师带着一队学生外出,一个负责开路,一个负责断后,中间是学生。两位老师之间的距离可能有时大有时小,但是整体窗口就是不断滑动的。
根据窗口大小是否固定,可以造出两种类型的题:
1.如果是固定的,一般会求哪个窗口的元素最大、最小、平均值、和最大、和最小等等类型。
2.如果窗口是可变的,则一般会让你求一个序列里最大、最小窗口是什么等等。
滑动窗口的题没有太高的思维含量,但是在实际的解题时会感到比较吃力,主要的原因是:
1.解题最终落实在数组上,特别是边界处理,一旦忽略,就难以得到准确的结果。
2.有些元素的比较、判断比较麻烦,不仅要借助集合等工具,而且在处理过程中会有一些技巧,如果不熟悉就会导致解题难度加大。
3.堆,堆结构非常适合在流数据中找固定区间内的最大、最小等问题。因此滑动窗口经常和堆一起使用可以完美解决很多复杂的问题。
双指针和滑动窗口有什么区别呢?
滑动窗口是双指针的一种类型,主要关注两个指针之间元素的情况,因此范围更小,而双指针的应用范围更大,花样更多。
下面,来看两个例题来了解一下滑动窗口
子数组最大平均数
LeetCode643:
给你一个由n个元素组成的整数数组nums和一个整数k。
请你找出平均数最大且长度为k的连续子数组,并输出该最大平均数。
示例1:
输入:nums = [1,12,-5,-6,50,3],k = 4
输出:12.75
解释:最大平均数(12-5-6+50)/ 4 = 51 / 4 = 12.75
示例2:
输入:nums = [5],k = 1
输出:5.00000
public static double findMaxAverage(int[] nums,int k){
int sum = 0;
if (nums.length < k || nums.length < 1 || k < 1){
return 0;
}
//求第一个窗口的和
for (int i = 0; i < k; i++){
sum += nums[i];
}
//遍历,每次向右增加一个,左边减少一个,重新计算窗口最大值
int res = sum;
for (int right = k;right < nums.length; right++){
sum += nums[right] - nums[right - k];
res = Math.max(res,sum);
}
return (double) res / k;
}
最长连续递增序列
LeetCode674:
给定一个未经排序的整数数组,找到最长且连续递增的子序列,并返回该序列的长度。
连续递增的子序列可以由两个下标l和r(l < r)确定,如果对于每个l <= i < r,都有nums[i] < nums[i+1],那么子序列[nums[l],nums[l+1],...,nums[r-1],nums[r]]就是连续递增的子序列。
示例1:
输入:nums = [1,3,5,4,7]
输出:3
解释:最长连续递增序列是[1,3,5],长度为3。尽管[1,3,5,7]也是升序的子序,但它不是连续的,因为5和7的原数组里被4隔开。
示例2:
输入:nums = [2,2,2,2,2]
输出:1
解释:最长连续递增序列是[2],长度为1。
public static int findLengthOfLCIS(int[] nums){
int left = 0;
int right = 0;
int num = 0;
while (right < nums.length){
//右侧元素 < 左侧元素,重新记录left位置
if (right > 0 && nums[right - 1] >= nums[right]){
left = right;
}
right++;
num = Math.max(num,right-left);
}
return num;
}