题目
给定一个字符串,请你找出其中不含有重复字符的 最长子串 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。
题解
方法一:暴力法
思路
逐个检查所有的子字符串,看它是否不含有重复的字符。
算法
假设我们有一个函数 boolean allUnique(String substring)
,如果子字符串中的字符都是唯一的,它会返回true,否则会返回false。 我们可以遍历给定字符串 s
的所有可能的子字符串并调用函数 allUnique
。 如果事实证明返回值为true,那么我们将会更新无重复字符子串的最大长度的答案。
现在让我们填补缺少的部分:
-
为了枚举给定字符串的所有子字符串,我们需要枚举它们开始和结束的索引。假设开始和结束的索引分别为 i 和 j。那么我们有 0≤i<j≤n (这里的结束索引 j 是按惯例排除的)。因此,使用 i 从0到 n - 1 以及 j 从 i+1 到 n 这两个嵌套的循环,我们可以枚举出
s
的所有子字符串。 -
要检查一个字符串是否有重复字符,我们可以使用集合。我们遍历字符串中的所有字符,并将它们逐个放入
set
中。在放置一个字符之前,我们检查该集合是否已经包含它。如果包含,我们会返回false
。循环结束后,我们返回true
。public class Solution { public int lengthOfLongestSubstring(String s) { int n = s.length(); int ans = 0; for (int i = 0; i < n; i++) for (int j = i + 1; j <= n; j++) if (allUnique(s, i, j)) ans = Math.max(ans, j - i); return ans; } public boolean allUnique(String s, int start, int end) { Set<Character> set = new HashSet<>(); for (int i = start; i < end; i++) { Character ch = s.charAt(i); if (set.contains(ch)) return false; set.add(ch); } return true; } }
复杂度分析
-
时间复杂度:O(n3)。
要验证索引范围在 [i, j) 内的字符是否都是唯一的,我们需要检查该范围中的所有字符。 因此,它将花费 O(j - i) 的时间。
对于给定的
i
,对于所有j∈[i+1,n]所耗费的时间总和为:
∑ i + 1 n O ( j − i ) \sum_{i+1}^{n} O(j - i) i+1∑nO(j−i)
因此,执行所有步骤耗去的时间总和为:O ( ∑ i = 0 n − 1 ( ∑ j = i + 1 n ( j − i ) ) ) = O ( ∑ i = 0 n − 1 ( 1 + n − i ) ( n − i ) 2 ) = O ( n 3 ) O\left(\sum_{i = 0}^{n - 1}\left(\sum_{j = i + 1}^{n}(j - i)\right)\right) = O\left(\sum_{i = 0}^{n - 1}\frac{(1 + n - i)(n - i)}{2}\right) = O(n^3) O(i=0∑n−1(j=i+1∑n(j−i)))=O(i=0∑n−12(1+n−i)(n−i))=O(n3)
-
空间复杂度:O(min(n, m)),我们需要 O(k)O(k) 的空间来检查子字符串中是否有重复字符,其中 k表示
Set
的大小。而 Set 的大小取决于字符串 n 的大小以及字符集/字母 m 的大小。
方法二:滑动窗口
算法
暴力法非常简单。但它太慢了。那么我们该如何优化它呢?
在暴力法中,我们会反复检查一个子字符串是否含有有重复的字符,但这是没有必要的。如果从索引 i 到 j - 1 之间的子字符串 sij已经被检查为没有重复字符。我们只需要检查 s[j]对应的字符是否已经存在于子字符串 sij中。
要检查一个字符是否已经在子字符串中,我们可以检查整个子字符串,这将产生一个复杂度为 O(n2) 的算法,但我们可以做得更好。
通过使用 HashSet 作为滑动窗口,我们可以用 O(1) 的时间来完成对字符是否在当前的子字符串中的检查。
滑动窗口是数组/字符串问题中常用的抽象概念。 窗口通常是在数组/字符串中由开始和结束索引定义的一系列元素的集合,即 [i, j)(左闭,右开)。而滑动窗口是可以将两个边界向某一方向“滑动”的窗口。例如,我们将 [i, j) 向右滑动 11 个元素,则它将变为 [i+1, j+1)(左闭,右开)。
回到我们的问题,我们使用 HashSet 将字符存储在当前窗口 [i, j)(最初 j = i)中。 然后我们向右侧滑动索引 j,如果它不在 HashSet 中,我们会继续滑动 j。直到 s[j] 已经存在于 HashSet 中。此时,我们找到的没有重复字符的最长子字符串将会以索引 i 开头。如果我们对所有的 i 这样做,就可以得到答案。
public class Solution {
public int lengthOfLongestSubstring(String s) {
int n = s.length();
Set<Character> set = new HashSet<>();
int ans = 0, i = 0, j = 0;
while (i < n && j < n) {
// try to extend the range [i, j]
if (!set.contains(s.charAt(j))){
set.add(s.charAt(j++));
ans = Math.max(ans, j - i);
}
else {
set.remove(s.charAt(i++));
}
}
return ans;
}
}
复杂度分析
-
时间复杂度:O(2n) = O(n),在最糟糕的情况下,每个字符将被 i和 j 访问两次。
-
空间复杂度:O(min(m, n)),与之前的方法相同。滑动窗口法需要 O(k) 的空间,其中 k 表示
Set
的大小。而Set的大小取决于字符串 n 的大小以及字符集/字母 m 的大小。
方法三:优化的滑动窗口
上述的方法最多需要执行 2n 个步骤。事实上,它可以被进一步优化为仅需要 n 个步骤。我们可以定义字符到索引的映射,而不是使用集合来判断一个字符是否存在。 当我们找到重复的字符时,我们可以立即跳过该窗口。
也就是说,如果 s[j]在 [i, j)范围内有与 j’ 重复的字符,我们不需要逐渐增加 i。 我们可以直接跳过 [i,j’] 范围内的所有元素,并将 i 变为 j’ + 1。
Java(使用 HashMap)
public class Solution {
public int lengthOfLongestSubstring(String s) {
int n = s.length(), ans = 0;
Map<Character, Integer> map = new HashMap<>(); // current index of character
// try to extend the range [i, j]
for (int j = 0, i = 0; j < n; j++) {
if (map.containsKey(s.charAt(j))) {
i = Math.max(map.get(s.charAt(j)), i);
}
ans = Math.max(ans, j - i + 1);
map.put(s.charAt(j), j + 1);
}
return ans;
}
}
Java(假设字符集为 ASCII 128)
以前的我们都没有对字符串 s
所使用的字符集进行假设。
当我们知道该字符集比较小的时侯,我们可以用一个整数数组作为直接访问表来替换 Map
。
常用的表如下所示:
int [26]
用于字母 ‘a’ - ‘z’或 ‘A’ - ‘Z’int [128]
用于ASCII码int [256]
用于扩展ASCII码
public class Solution {
public int lengthOfLongestSubstring(String s) {
int n = s.length(), ans = 0;
int[] index = new int[128]; // current index of character
// try to extend the range [i, j]
for (int j = 0, i = 0; j < n; j++) {
i = Math.max(index[s.charAt(j)], i);
ans = Math.max(ans, j - i + 1);
index[s.charAt(j)] = j + 1;
}
return ans;
}
}
复杂度分析
- 时间复杂度:O(n),索引 j 将会迭代 n 次。
- 空间复杂度(HashMap):O(min(m, n)),与之前的方法相同。
- 空间复杂度(Table):O(m),m是字符集的大小。
感想
滑动窗口的想法参考kmp的做法还是很容易想到的,自己第一次想到的方案就是最优的方法了。(吐槽一句,如果想到了,谁会去用HashSet来存储子串不重复的字符啊…… 再怎么样也是类似HashMap的结构呀,毕竟子串中出现的顺序是重要的信息。)
但是就是还是会忘记去直接使用HashMap,最后一个ascii的特例其实就相当于是实现了一个简易的针对性的Hashmap。自己就是习惯性的用数组 去存,却不用现成的数据结构去简便操作……哎……