[剑指offer]最长不含重复字符的子字符串

[剑指offer]最长不含重复字符的子字符串

剑指offer-最长不含重复字符的子字符串

题目描述

请从字符串中找出一个最长的不包含重复字符的子字符串，计算该最长子字符串的长度。

示例 1:
输入: “abcabcbb”
输出: 3
解释: 因为无重复字符的最长子串是 “abc”，所以其长度为 3。

示例 2:
输入: “bbbbb”
输出: 1
解释: 因为无重复字符的最长子串是 “b”，所以其长度为 1。

示例 3:
输入: “pwwkew”
输出: 3
解释: 因为无重复字符的最长子串是 “wke”，所以其长度为 3。

请注意，你的答案必须是 子串 的长度，“pwke” 是一个子序列，不是子串。

提示：
s.length <= 40000

解题思路

• 暴力解法，算上查找，时间复杂度为O(n³)，空间复杂度O(1)
• 动态规划
  • 状态定义：动态规划列表dp，dp[j]为字符s[j]结尾的最长不含重复字符的子字符串
  • 转移方程：固定右边界j，字符s[j]左边距离最近的相同字符为s[i]，即s[j]=s[i]。当i<0，即s[j]左边没有相同字符，则dp[j]=dp[j-1]+1；当dp[j-1]<j-i，即s[i]在dp[j-1]子字符串之外，则dp[j]=dp[j-1]+1；当dp[j-1]>=j-i，即s[i]在dp[j-1]子字符串之内，则dp[j]=j-i。当i<0时，dp[j-1]<j-i恒成立，因此可以总结为：
    • dp[ j ] = dp[ j - 1 ] + 1（当dp[ j - 1 ] < j - i）
    • dp[ j ] = j - i（当dp[ j - 1] >= j - i）
  • 所以，问题是，遍历字符s[j]时，如何确定索引 i
    • 线性遍历
    • 哈希表

实现代码

//暴力解法
class Solution {
public:
    int lengthOfLongestSubstring(string s) {
        int len=s.length();
        if(len==0)
            return 0;
        int maxcount=1;
        int i=0;
        while(i<len-1){  
            int start=i; //开始的位置         
            string rs;
            rs+=s.at(i);
            int count=1;
            for(int j=i+1;j<len;j++){
                int pos=rs.find(s.at(j));
                if(pos!=-1){
                    i=start+pos+1;//下一次开始的位置，假如pwewekw，在i=0遍历到j=3时，会在pwe中找到w，那么下一次就可以从i=2开始
                    break;
                }
                else{
                    rs+=s.at(j);
                    count++;
                    i++;
                }
            }
            maxcount=max(maxcount,count);
        }
        return maxcount;
    }
};

//动态规划-线性遍历1
class Solution {
public:
    int lengthOfLongestSubstring(string s) {
        int len=s.length();
        if(len==0)
            return 0;
        vector<int> dp(len);
        dp[0]=1;
        for(int j=1;j<len;j++){
            int i=j-1;
            while(i>=0){//确定i的位置
                if(s[i]==s[j])
                    break;
                i--;
            }
            if(dp[j-1]<j-i)
                dp[j]=dp[j-1]+1;
            else
                dp[j]=j-i;
        }
        int max=0;
        for(int i=0;i<len;i++){//找dp最大值
            max=max>dp[i]?max:dp[i];
        }
        return max;
    }
};

时间复杂度为：O(n²)
空间复杂度为：O(n)
可以继续优化空间复杂度，因为返回值是dp列表的最大值，那么就可以用一个dp变量存储dp[j]，变量max每次取最大值，就可以省去dp列表使用的O(n)的额外空间

//动态规划-线性遍历2
class Solution {
public:
    int lengthOfLongestSubstring(string s) {
        int len=s.length();
        if(len==0)
            return 0;
        int dp=1;
        int max=dp;
        for(int j=1;j<len;j++){
            int i=j-1;
            while(i>=0){
                if(s[i]==s[j])
                    break;
                i--;
            }
            if(dp<j-i)
                dp=dp+1;
            else
                dp=j-i;
            max=max>dp?max:dp;
        }        
        return max;
    }
};

时间复杂度：O(n²)
空间复杂度：O(1)
可以继续优化时间复杂度，使用哈希表存储各字符最后一次出现的位置，可以节省遍历查找s[i]的O(n)时间，而字符的 ASCII 码范围为 00 ~ 127127 ，哈希表最多使用 O(128) = O(1)大小的额外空间。

//动态规划-哈希表
class Solution {
public:
    int lengthOfLongestSubstring(string s) {
        int len=s.length();
        if(len==0)
            return 0;
        map<char,int> mymap;
        for(int i=0;i<len;i++)
            mymap[s[i]]=-1;//初始化为-1，否则没有mymap[s[j]]时会默认创建并赋值0
        int dp=1;
        int max=dp;
        mymap[s[0]]=0;
        for(int j=1;j<len;j++){
            int i=mymap[s[j]];
            if(dp<j-i)
                dp=dp+1;
            else
                dp=j-i;
            max=max>dp?max:dp;
            mymap[s[j]]=j;
        }        
        return max;
    }
};

时间复杂度：O(n)
空间复杂度：O(1)