【LeetCode】热题100：最小覆盖字串

题目：

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"
解释：最小覆盖子串 "BANC" 包含来自字符串 t 的 'A'、'B' 和 'C'。

示例 2：
输入：s = "a", t = "a"
输出："a"
解释：整个字符串 s 是最小覆盖子串。

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。
 
提示：
m == s.length
n == t.length
1 <= m, n <= 10的5次方
s 和 t 由英文字母组成
 
进阶：你能设计一个在 o(m+n) 时间内解决此问题的算法吗？

解题思路：可以使用滑动窗口和两个指针来解决该问题，首先，将目标字符串 t 中每个字符的出现次数存储在一个哈希表中。然后，使用两个指针来表示滑动窗口的左右边界，并遍历字符串 s 。在遍历过程中，不断右移右指针，并更新窗口内字符的状态，直到窗口内包含了所有目标字符。当窗口内已经包含了所有目标字符时，移动左指针，并在移动过程中更新最小窗口长度及其左边界，最后返回最小窗口的子串。

class Solution {
    public String minWindow(String s, String t) {
        // 存储目标字符串 t 中每个字符的出现次数
        Map<Character, Integer> targetMap = new HashMap<>();
        for (char c : t.toCharArray()) {
            targetMap.put(c, targetMap.getOrDefault(c, 0) + 1);
        }
        int left = 0; // 窗口左边界
        int minLen = Integer.MAX_VALUE; // 最小窗口长度
        int minLeft = 0; // 最小窗口左边界
        int count = 0; // 记录当前窗口中已经包含了多少目标字符
        // 遍历字符串 s
        for (int right = 0; right < s.length(); right++) {
            char c = s.charAt(right);            
            // 更新窗口内字符的状态
            if (targetMap.containsKey(c)) {
                targetMap.put(c, targetMap.get(c) - 1);
                if (targetMap.get(c) >= 0) {
                    count++;
                }
            }
            // 当窗口内已经包含了所有目标字符时
            while (count == t.length()) {
                // 更新最小窗口长度及其左边界
                if (right - left + 1 < minLen) {
                    minLen = right - left + 1;
                    minLeft = left;
                }
                char leftChar = s.charAt(left);                
                // 移动左边界，并更新窗口内字符的状态
                if (targetMap.containsKey(leftChar)) {
                    targetMap.put(leftChar, targetMap.get(leftChar) + 1);
                    if (targetMap.get(leftChar) > 0) {
                        count--;
                    }
                }                
                left++; // 移动左边界
            }
        }
        return minLen == Integer.MAX_VALUE ? "" : s.substring(minLeft, minLeft + minLen);
    }
}

进阶：设计一个在 o(m+n) 时间内解决此问题的算法

解题思路：(m) 是字符串 s 的长度，(n) 是字符串 t 的长度。在原始的滑动窗口算法中，我们使用了两个指针来表示窗口的左右边界，并在遍历字符串 s 的过程中移动这些指针。但在优化版的滑动窗口算法中，我们可以使用两个哈希表来替代指针的移动，以达到 (O(m + n)) 的时间复杂度。我们仍然使用一个哈希表来存储目标字符串 t 中每个字符的出现次数。我们使用两个指针 left 和 right 来表示滑动窗口的左右边界，并在遍历字符串 s 的过程中不断移动这些指针。我们使用两个哈希表 windowMap 和 targetMap 分别表示当前窗口内字符的出现次数和目标字符串 t 中字符的出现次数。在遍历字符串 s 的过程中，我们维护一个计数器 matchCount 来记录当前窗口内已经包含的目标字符的数量。我们根据 matchCount 的值来动态调整窗口的大小，使其尽可能小，同时仍然包含所有目标字符。我们只需遍历字符串 s 一次，遍历字符串 t 一次，并使用两个哈希表来动态调整窗口的大小。因此，该算法的时间复杂度为 (O(m + n))。

class Solution {
    public String minWindow(String s, String t) {
         Map<Character, Integer> targetMap = new HashMap<>();
        for (char c : t.toCharArray()) {
            targetMap.put(c, targetMap.getOrDefault(c, 0) + 1);
        }

        Map<Character, Integer> windowMap = new HashMap<>();
        int left = 0;
        int minLen = Integer.MAX_VALUE;
        int minLeft = 0;
        int matchCount = 0;

        for (int right = 0; right < s.length(); right++) {
            char c = s.charAt(right);

            if (targetMap.containsKey(c)) {
                windowMap.put(c, windowMap.getOrDefault(c, 0) + 1);
                if (windowMap.get(c).equals(targetMap.get(c))) {
                    matchCount++;
                }
            }

            while (matchCount == targetMap.size()) {
                if (right - left + 1 < minLen) {
                    minLen = right - left + 1;
                    minLeft = left;
                }

                char leftChar = s.charAt(left);

                if (targetMap.containsKey(leftChar)) {
                    windowMap.put(leftChar, windowMap.get(leftChar) - 1);
                    if (windowMap.get(leftChar) < targetMap.get(leftChar)) {
                        matchCount--;
                    }
                }

                left++;
            }
        }

        return minLen == Integer.MAX_VALUE ? "" : s.substring(minLeft, minLeft + minLen);
    }
}