无重复字符的最长子串【哈希/滑动窗口】

0.上篇：滑动窗口

0.1分析

这道题要求的是一个区间 是区间就有【第一个元素】 即起始位置

0.2 暴力求解【超时】

这道题是要找一个子区间，使得这个区间的所有数 >= target；
把数组中的每⼀个元素作为一个区间的起始位置，每次往这个区间里加一个数，直到这个区间的数和>=target；将所有元素作为起始位置所得的结果中，找到「最⼩值」即为最短子区间。

class Solution
{
public:
    int minSubArrayLen(int target, vector<int> &nums)
    {
        // 记录结果
        int ret = INT_MAX;
        int n = nums.size();
        for (int start = 0; start < n; start++)
        {
            int sum = 0;
            for (int end = start; end < n; end++)
            {
                sum += nums[end];

                if (sum >= target)
                {
                    ret = min(ret, end - start + 1);
                    break;
                }
            }
        }
        return ret == INT_MAX ? 0 : ret;
    }
};

0.3 滑动窗口

铺垫

滑动窗口的思想实际上是基于【暴力求解】的优化。一般人/普通人在解这类题时，一般直接想到的解决方案就是【暴力求解】，但是我们都知道，【暴力求解】通常不是一个问题的最优方案。基于【暴力求解】，佬们就总结出来在【暴力求解】基础之上的优化，这个优化对于有“算法”思想的人来说不难想到/理解，关键在于有没有用心思考更优解。

讲解

【暴力求解】中提到，遍历数组，把每一个元素作为【结果区间】的首元素，依次顺序添加直到满足条件，记录将该元素作为【结果区间】首元素下【结果区间】的长度，遍历结束后，在取这些值的最小值即为结果。
现在我们细思【暴力求解】的过程，当把arr[0]作为【结果区间】的首元素时，我们计算求和了一部分值，当下一轮把arr[1]作为【结果区间】的首元素时，我们又重新计算了在第一轮中计算过的值，这就是【暴力求解】效率低下的原因。
学过数据结构我们知道，提升一个算法的时间复杂度，我们可以通过减少语句的执行/循环的次数/递归的次数等。在这道题中，有没有一种方法，使得我们能够减少计算的次数？

解答

第一个区间计算完之后，计算第二个区间时，实际上就是把【该区间首元素的前一个元素】即（遍历的上一个元素）移除，对于移除后的新区间

1. 仍有可能满足条件【左端元素可能很小，划出去之后依旧满⾜条件】
2. 不满足，即变小了。我们不再从arr[1]开始继续往后添加元素，而是把第一个区间去除arr[0]的剩余元素直接拿过来用，在这个【旧区间】的基础上再添加。

如此大大的减少了计算的次数。

代码

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

1.暴力+哈希

枚举「从每⼀个位置」开始往后，⽆重复字符的⼦串可以到达什么位置。找出其中⻓度最⼤的即可。
在往后寻找⽆重复⼦串能到达的位置时，可以利⽤「哈希表」统计出字符出现的频次，来判断什么时候⼦串出现了重复元素。

class Solution
{
public:
    int lengthOfLongestSubstring(string s)
    {
        int ret = 0;
        int n = s.length();
        for (int i = 0; i < n; i++)
        {
            int hash[128] = {0};
            for (int j = i; j < n; j++)
            {
                hash[s[j]]++;
                if (hash[s[j]] > 1)
                    break;
                ret = max(ret, j - i + 1);
            }
        }
        return ret;
    }
};

2.滑动窗口

left：固定目前在访问的子串的起始位置
right：加入到滑动区间的元素下标。
将每一个元素x作为起始位置，right不断向字串添加元素，如果不重复则记录长度，如果重复了，left++表示当前的x作为起始位置的【无重复字符的最长子串】已找到，继续遍历，把下一个字符作为起始位置。【用while不用if】这里的while代码有两个作用：1. 原先的left推测出窗口，它对应的字符个数应当–；2. 原来子串中出现了重复字符，不知道与right重复的字符在哪里，例如：abcdd，a做起始位置的【长度】为4，a出窗口，b作为起始位置，仍有重复字符，b直接出窗口==》b在a后面，b到right的长度肯定小于a到right，顾只要没有去除重复字符，就一直往后移动就行了，不用更新b做起始位置的长度。

class Solution
{
public:
    int lengthOfLongestSubstring(string s)
    {
        int hash[128] = {0};
        int n = s.size();
        int ret = 0;
        for (int left = 0, right = 0; right < n; right++)
        {
            hash[s[right]]++;
            while (hash[s[right]] > 1)
                hash[s[left++]]--;
            ret = max(ret, right - left + 1);
        }
        return ret;
    }
};