算法打卡第二十天,今天你刷题了吗
😄😄😄😄😄😄😄😄😄😄
😃😃😃😃😃😃😃😃😃😃
💓💓💓大家一起来刷题!💓💓💓
😍😍😍😍😍😍😍😍😍😍
😘😘😘😘😘😘😘😘😘😘
今日刷题重点----滑动窗口法
209. 长度最小的子数组
给定一个含有 n 个正整数的数组和一个正整数 target 。
找出该数组中满足其和 ≥ target 的长度最小的 连续子数组 [numsl, numsl+1, …, numsr-1, numsr] ,并返回其长度。如果不存在符合条件的子数组,返回 0 。
示例 1:
输入:target = 7, nums = [2,3,1,2,4,3]
输出:2
解释:子数组 [4,3] 是该条件下的长度最小的子数组。
示例 2:
输入:target = 4, nums = [1,4,4]
输出:1
示例 3:
输入:target = 11, nums = [1,1,1,1,1,1,1,1]
输出:0
方法一:暴力法
使用两个for循环,依次判断寻找最小的子序列
参考代码1
//方法一:暴力解法
int minSubArrayLen(int target, vector<int>& nums) {
int result = INT_MAX;
int str_len = 0;//子序列长度
int sum = 0;//子序列的和
for(int i = 0; i < nums.size(); i++) {
sum = 0;
for(int j = i; j < nums.size(); j++) {
sum+=nums[j];
if(sum>=target) {
str_len = j-i+1;
result = result>=str_len?str_len :result ;
break;//找到了则一定要break一下.因为需要的是最小长度.
}
}
}
result = result==INT_MAX ? 0 : result;//如果没有找到, 则result赋值为0
return result;
}
方法二:滑动窗口法
所谓滑动窗口,就是不断的调节子序列的起始位置和终止位置,从而得出我们要想的结果。
算法步骤:
- 使用两个变量i,j分别表示窗口的两个边界.
- 当窗口内的值< target时,右边界j进行后移,直至>=target.此时就是以i为左边界的窗口,且满足条件—是最小的子序列.
- 然后i继续后移,寻找其他最小的窗口,对比判断选择更加符合题意的.
这里还是以题目中的示例来举例,s=7, 数组是 2,3,1,2,4,3,来看一下查找的过程:
参考代码2
//滑动窗口法
int minSubArrayLen(int target, vector<int>& nums) {
int result = INT_MAX;//结果
int subLength = 0;//滑动窗口的长度
int sum = 0;//子序列的长度.
int i = 0;//滑动窗口的起始位置
for(int j = 0;j < nums.size();j++){
sum+=nums[j];//如果不满足条件,则不断增大窗口的右边界.
while(sum>=target){
subLength = j-i+1;
result = result>=subLength ? subLength : result;
sum -=nums[i++];//如果满足,则窗口右移动,即起始位置后移.
}
}
result = result==INT_MAX ? 0 : result;//如果没有找到, 则result赋值为0
return result;
}
76. 最小覆盖子串
给你一个字符串 s 、一个字符串 t 。返回 s 中涵盖 t 所有字符的最小子串。如果 s 中不存在涵盖 t 所有字符的子串,则返回空字符串 “” 。
注意:
对于 t 中重复字符,我们寻找的子字符串中该字符数量必须不少于 t 中该字符数量。
如果 s 中存在这样的子串,我们保证它是唯一的答案。
示例 1:
输入:s = "ADOBECODEBANC", t = "ABC"
输出:"BANC"
示例 2:
输入:s = "a", t = "a"
输出:"a"
示例 3:
输入: s = "a", t = "aa"
输出: ""
解释: t 中两个字符 ‘a’ 均应包含在 s 的子串中,
因此没有符合条件的子字符串,返回空字符串。
方法一:滑动窗口法
滑动窗口的思想:
用i,j表示滑动窗口的左边界和右边界,通过改变i,j来扩展和收缩滑动窗口,可以想象成一个窗口在字符串上游走,当这个窗口包含的元素满足条件,即包含字符串T的所有元素,记录下这个滑动窗口的长度j-i+1,这些长度中的最小值就是要求的结果。
1.步骤一
不断增加j使滑动窗口增大,直到窗口包含了T的所有元素
2.步骤二
不断增加i使滑动窗口缩小,因为是要求最小字串,所以将不必要的元素排除在外,使长度减小,直到碰到一个必须包含的元素,这个时候不能再扔了,再扔就不满足条件了,记录此时滑动窗口的长度,并保存最小值
3.步骤三
让i再增加一个位置,这个时候滑动窗口肯定不满足条件了,那么继续从步骤一开始执行,寻找新的满足条件的滑动窗口,如此反复,直到j超出了字符串S范围。
面临的问题:
如何判断滑动窗口包含了T的所有元素???
我们用一个vector<int> need / map
来表示当前滑动窗口中需要的各元素的数量,一开始滑动窗口为空,用T中各元素来初始化这个need,当滑动窗口扩展或者收缩的时候,去维护这个need,例如当滑动窗口包含某个元素,我们就让need中这个元素的数量减1,代表所需元素减少了1个;当滑动窗口移除某个元素,就让need中这个元素的数量加1。
记住一点:need始终记录着当前滑动窗口下,我们还需要的元素数量,我们在改变i,j时,需同步维护need。
值得注意的是,只要某个元素包含在滑动窗口中,我们就会在need中存储这个元素的数量,如果某个元素存储的是负数代表这个元素是多余的。比如当need等于{‘A’:-2,‘C’:1}时,表示当前滑动窗口中,我们有2个A是多余的,同时还需要1个C。这么做的目的就是为了步骤二中,排除不必要的元素,数量为负的就是不必要的元素,而数量为0表示刚刚好。
回到问题中来,那么如何判断滑动窗口包含了T的所有元素?
结论就是当need中所有元素的数量都小于等于0时,表示当前滑动窗口不再需要任何元素。
优化
如果每次判断滑动窗口是否包含了T的所有元素,都去遍历need看是否所有元素数量都小于等于0,这个会耗费O(k)的时间复杂度,k代表need长度,最坏情况下,k可能等于len(S)。
其实这个是可以避免的,我们可以维护一个额外的 变量needCnt来记录所需元素的总数量,当我们碰到一个所需元素c,不仅need[c]的数量减少1,同时needCnt也要减少1,这样我们通过needCnt就可以知道是否满足条件,而无需遍历整个数组了。
前面也提到过,need记录了遍历到的所有元素,而只有need[c]>0大于0时,代表c就是所需元素
注意:
while(i<j&&need[s[i]]<0){...}
可能理解起来比较复杂~
由于我们刚开始用t对need进行了初始化,所以只要是一些无用字符 或 多余的有用字符,那么气need[s[i]]一定是 < 0的。从而可以进行去重操作!
参考代码
string minWindow(string s, string t) {
vector<int> need(128,0);//因为是字符,所以都可以找到一个数字进行对应,故可以使用vector类型.同样ordered_map也可以,但是肯定前者效率会更高了,底层是数组~
//ordered_map<char,int> m;
int cnt = 0;
for(char c : t){//对need进行初始化
need[c]++;
}
cnt = t.size();
int i ,j,result = INT_MAX,str_len,start=0;//start记录满足条件的窗口的起始位置.
for(i = 0,j = 0;j < s.size();j++){
char c = s[j];
if(need[c]>0){
cnt--;//如果当前的字符是t需要的字符并且还没有凑够,则 cnt--
}
need[c]--;//将右边的字符加入窗口
if(cnt==0){//窗口已经包含所需要的全部字符
while(i<j&&need[s[i]]<0){//排除不必要的字符
need[s[i++]]++;
}
str_len = j-i+1;
if(str_len<result){//更新result和start
result = str_len;
start = i;
}
need[s[i++]]++; //左边界进行右移动,寻找下一个窗口..
cnt++;//需要的目标字符进行增加,因为之前那个是最小的.
}
}
return result==INT_MAX>"":s.substr(start,result);
}
附:unordered_map实现
//采用滑动窗口法来解决
string minWindow(string s, string t) {
//这里也可以使用vector<int,int>
unordered_map<char,int> window;
int i = 0;
int str_len = INT_MAX;
int start = 0;
int cnt = t.size();
// 特殊值的处理
if(s.size() < t.size()) {
return "";
}
// window的初始化
for(char ch : t) {
window[ch]++;
}
//使用滑动窗口法寻找符合的字符串
for(int j = 0;j < s.size(); j++){
if(window[s[j]] > 0) {//判断是否是所需要的字符
cnt--;
}
window[s[j]]--;//将元素加入窗口
if(cnt == 0) {//说明窗口已经包含t中所有字符
//移除没用的字符
while(i <= j && window[s[i]] < 0) {
window[s[i]]++;
i++;
}
//更新str_len
if(j-i+1 < str_len){
str_len = j-i+1;
start = i;
}
// 开始尝试寻找下一个窗口
window[s[i]]++;
i++;
cnt++;
}
}
return str_len == INT_MAX ? "" : s.substr(start,str_len);
}
904. 水果成篮
由于本题翻译不准确,我们直接看下英文题目,英文直译如下:
您正在参观一个农场,该农场有一排从左到右排列的果树。
树由整数数组fruits表示,其中水果[i]是第i棵树产生的水果类型。
你想收集尽可能多的水果。但是,所有者有一些严格的规则,您必须遵守:
- 你只有两个篮子,每个篮子只能装一种水果。每篮水果的数量没有限制。
- 从您选择的任何一棵树开始,您必须在向右移动时从每棵树(包括起始树)中恰好摘下一个水果,摘下的水果必须放在你的一个篮子里。 一旦你到了一棵树上,树上的果实没法放入你的篮子(两个篮子已经满了),你必须停下来。
给定整数数组水果,返回可以拾取的最大水果数。
本题,其实就是 选只有两个元素的最长连续子序列,比如1,2,3,2,2最长就是2,3,2,2(只包括2或者3,而且是最长的)。
示例 1:
输入:[1,2,1]
输出:3
解释:我们可以收集 [1,2,1]。
示例 2:
输入:[0,1,2,2]
输出:3
解释:我们可以收集 [1,2,2]
如果我们从第一棵树开始,我们将只能收集到 [0, 1]。
示例 3:
输入:[1,2,3,2,2]
输出:4
解释:我们可以收集 [2,3,2,2]
如果我们从第一棵树开始,我们将只能收集到 [1, 2]。
示例 4:
输入:[3,3,3,1,2,1,1,2,3,3,4]
输出:5
解释:我们可以收集 [1,2,1,1,2]
如果我们从第一棵树或第八棵树开始,我们将只能收集到 4 棵水果树。
思路分析
-
使用i,j分别指向窗口的左右两端.
-
窗口的右边界开始后移直到窗口内元素的个数大于2,
-
然后左窗口进行右移动,直到窗口内只有两种元素.
-
然后更新最大的水果树.最终进行返回.
参考代码
//滑动窗口法
int totalFruit(vector<int>& fruits) {
unordered_map<int,int> window;
int k = 2;
int result = 0;
int i = 0;//窗口左边界
for(int j = 0;j < fruits.size();j++){ // j:窗口右边界
window[fruits[j]]++;//窗口右边界扩大
while(window.size()>k){//如果当前窗口中元素类型的个数大于k ,则想办法减小到k
window[fruits[i]]--;
if(!window[fruits[i]]) {//如果当前元素的个数变为了0,则从窗口中移除该元素.
window.erase(fruits[i]);
}
i++;//每一次while,窗口右移动
}
result = max(result,j-i+1); //更新result
}
return result;
}
😜😜😜😜😜 大家卷起来啊,加油!!!冲他妈的! 😜😜😜😜😜