【杂乱笔记】滑动窗口算法

滑动窗口

滑动窗口是一种算法技术，用于处理数组或字符串中的子数组或子字符串问题。它通过维护一个动态的“窗口”来高效地遍历数据结构，通常使用两个指针表示窗口的边界。

算法思路

1. 初始化指针：设置两个指针（通常是 left 和 right），指向窗口的起始位置。
2. 扩展窗口：通过移动 right 指针来扩展窗口，增加窗口的大小。
3. 收缩窗口：当满足特定条件时，移动 left 指针来收缩窗口，减少窗口的大小。
4. 更新结果：在每次调整窗口时，记录所需的结果（如最大值、最小值等）。
5. 重复：继续移动 right 指针，直到遍历完整个数据结构。

示例

示例 1：最大连续子数组和

问题：找到一个数组中和为正数的最长子数组。

int maxSubArrayLen(vector<int>& nums) {
    int left = 0, sum = 0, maxLength = 0;
    for (int right = 0; right < nums.size(); ++right) {
        sum += nums[right];
        //找到第一个使得sum小于0的right成为右边界
        while (sum <= 0 && left <= right) {
            sum -= nums[left++];
        }
        if (sum > 0) {
            maxLength = max(maxLength, right - left + 1);
        }
    }
    return maxLength;
}

示例 2：最小长度子数组

问题：找到一个数组中和大于或等于目标值的最小长度子数组。

int minSubArrayLen(int target, vector<int>& nums) {
    int left = 0, sum = 0, minLength = INT_MAX;
    for (int right = 0; right < nums.size(); ++right) {
        sum += nums[right];
        while (sum >= target) {
            minLength = min(minLength, right - left + 1);
            sum -= nums[left++];
        }
    }
    return minLength == INT_MAX ? 0 : minLength;
}

示例 3：最长无重复字符的子串

问题：找到字符串中最长的无重复字符的子串长度。

int lengthOfLongestSubstring(string s) {
    unordered_map<char, int> charIndex;
    int left = 0, maxLength = 0;
    for (int right = 0; right < s.size(); ++right) {
        if (charIndex.find(s[right]) != charIndex.end()) {
            left = max(left, charIndex[s[right]] + 1);
        }
        charIndex[s[right]] = right;
        maxLength = max(maxLength, right - left + 1);
    }
    return maxLength;
}

总结

滑动窗口是一种高效的算法技术，适用于处理连续子序列的问题。通过动态调整窗口的边界，可以显著提高算法的性能，通常将时间复杂度降低到 (O(n))。