【寻找one piece的算法之路】滑动窗口

最新推荐文章于 2024-11-12 21:59:57 发布
最新推荐文章于 2024-11-12 21:59:57 发布
阅读量1.5k 收藏 56
点赞数 42
分类专栏： 寻找one piece的算法之路 文章标签： 算法 leetcode 动态规划 滑动窗口 数据结构 java python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/acm_pn/article/details/142765058
版权

💐个人主页：初晴~

📚相关专栏：寻找one piece的刷题之路

什么是滑动窗口

滑动窗口算法是一种常用的算法模式，通常用于字符串匹配、数组操作等问题中，特别是需要在一段连续的数据中寻找满足特定条件的子序列问题。它通过维护一个窗口（一段连续的子数组或子串），并在数据结构上滑动（移动）这个窗口，来寻找最优解或者满足特定条件的子序列。

滑动窗口算法的基本步骤

  1. 初始化窗口：选择一个起始点，并确定窗口的初始大小。
  2. 扩展窗口：从起始点开始，向右扩展窗口，直到找到一个满足特定条件的子序列。
  3. 收缩窗口：如果当前窗口的子序列仍然满足条件，尝试从左侧收缩窗口，直到不满足条件为止。
  4. 更新结果：在每次扩展和收缩窗口之后，检查当前窗口是否是最优解，并更新结果。
  5. 重复步骤：重复上述步骤，直到遍历完整个输入数据。

滑动窗口算法的优点

  • 效率高：相比暴力解法，滑动窗口算法可以在O(n)的时间复杂度内解决问题，其中n是输入数据的长度。
  • 易于实现：算法逻辑简单，易于理解和实现。
  • 适用性广：可以应用于多种不同类型的问题。

一、⻓度最⼩的⼦数组

题目链接

题目描述：

题目分析：

因为这题计算的是某一段区间的元素总和，是连续的，就可以尝试用滑动窗口来解决。每次固定好左指针l，然后让右指针r 不断向右遍历数组，并记录累加和sum，直到第一次区间【l，r】的sum>target时，我们就找到了以 l 为起始点的最大窗口，接着就没必要再继续向右扩展窗口了。此时就可以尝试舍去l，让l向右移动，缩小窗口，由于我们已经知道区间【l，r】的元素和了，就没必要再遍历计算一遍了。将sum减去之前 l 所指的元素值，就能得到区间【l+1，r】的元素和了。以此类推，我们只要不断维护好这个区间就能得出最终结果了

滑动流程：

1、初始化窗口：定义两个指针 l 和 r ，一开始都让他们指向0位置

2、扩展窗口：让 r 指向的元素“进入窗口”

3、收缩窗口：判断此时窗口内元素和与target大小关系

  • 如果大于等于：更新结果，将左端元素划出去的同时继续判断是否满⾜条件并更新结果（因为左端元素可能很⼩，划出去之后依旧满⾜条件）
  • 如果小于：说明窗口太小，  right++ ，另下⼀个元素进⼊窗⼝

4、重复步骤：重复上述步骤2与3，直到 指针r 遍历完整个输入数据

代码实现：

class Solution {
    public int minSubArrayLen(int target, int[] nums) {
        int n=nums.length,min=Integer.MAX_VALUE,sum=0;
        for(int l=0,r=0;r<n;r++){
            sum+=nums[r];  //进窗口
            while(sum>=target){ //判断
                min=Math.min(min,r-l+1);//更新结果
                sum-=nums[l++]; //滑动窗口
            }
        }
        return min==Integer.MAX_VALUE?0:min;
    }
}

 

二、无重复字符的最长子串

题目链接

题目描述：

题目分析：

可以定义一个长度为128的数组作为简易hash表，来存储某一区间的元素种类

由于这题研究的对象依然是一段连续的区间，因此可以使用滑动窗口来解决。维护窗口内元素不出现重复即可

滑动流程：

1、初始化窗口：定义两个指针 l 和 r ，一开始都让他们指向0位置

2、扩展窗口：让 r 指向的元素“进入窗口”，哈希表统计这个字符的频次

3、收缩窗口：判断此次进入窗口的字符出现的频次：

  • 如果超过1：说明窗口内存在重复元素，此时不断将左端元素划出窗口，直到该字符出现的频次变成1
  • 如果没有超过1：说明当前窗口没有重复元素，不需要收缩窗口
4、更新结果：能运行到这一步，就说明此时窗口内不存在重复元素，可以直接更新结果

5、重复步骤：重复上述步骤2、3、4，直到 指针 r 遍历完整个输入数据

代码实现：

class Solution {
    public int lengthOfLongestSubstring(String s) {
        int[] hash=new int[128]; //数组模拟哈希表
        char[] sc=s.toCharArray();
        int n=s.length(),max=0,l=0,r=0;
        while(r<n){
            hash[sc[r]]++;   //进入窗口
            while(hash[sc[r]]>1){ //查重
                hash[sc[l++]]--;  //出窗口
            }
            max=Math.max(max,r-l+1); //更新结果
            r++; //让下一个字符进入窗口
        }
        return max;
    }
}

 

三、最大连续1的个数

题目链接

题目描述：

题目分析：

不用把问题想的非常复杂，去思考该如何翻转0，没有必要，我们可以直接把这题看成是往一堆连续的1中插入了最多k 个0，这么一想就比较清晰了。

由于是连续区间，明显可以使用滑动窗口。我们只要维护一段窗口，保证窗口内0的个数不超过k即可。

滑动流程：

通过变量zero来维护窗口内0的个数

1、初始化窗口：定义两个指针 l 和 r ，一开始都让他们指向0位置

2、扩展窗口：让 r 指向的元素“进入窗口”，判断如果该元素为0，则让zero值加一

3、收缩窗口：判断此时窗口0的数量：

  • 如果超过k：说明窗口内0的数量过多，此时不断将左端元素划出窗口，并实时记录zero，直到zero值小于等于k
  • 如果没有超过k：说明当前窗口内0的个数符合要求，不需要收缩窗口
4、更新结果：能运行到这一步，就说明此时窗口内0的个数一定符合要求，可以直接更新结果

5、重复步骤：重复上述步骤2、3、4，直到 指针 r 遍历完整个输入数据

代码实现：

class Solution {
    public int longestOnes(int[] nums, int k) {
        int max=0;
        for(int zero=0,l=0,r=0;r<nums.length;r++){
            if(nums[r]==0)zero++;
            while(zero>k)  
                if(nums[l++]==0)zero--;
            max=Math.max(max,r-l+1);
        }
        return max;
    }
}

 

四、将 x 减到 0 的最⼩操作数

题目链接

题目描述：

题目分析：

题目本意是让我们求数组“左端和右端”两段连续的、和为x的最短数组。两段？如果想使用滑动窗口的话似乎就会非常复杂了。

不妨让我们把思路逆转，这不就是把一个数组切成了左中右三个部分嘛。左边与右边是断开的不好求，但中间一块都是连续的呀！于是我们可以将题目转化为求数组内一段连续的，和为sum(nums)-x的最长数组不就好了嘛。

这样一看，这与第一题不就妥妥的孪生兄弟嘛，用滑动窗口再合适不过了

滑之前的准备：

先遍历一遍给定数组，记录总的数组和target，接着让target减去x，作为接下来滑动窗口的目标值。由于这是整数数组，如果target<0，说明一定无解，直接返回-1即可。

滑动流程：

1、初始化窗口：定义两个指针 l 和 r ，一开始都让他们指向0位置

2、扩展窗口：不断让 r 指向的元素“进入窗口”，并更新元素和sum

3、收缩窗口：判断此时sum与target大小关系：

  • 如果sum<target：说明现在窗口过小，不用收缩窗口
  • 如果sum>target：说明当前窗口内元素和过大，需要收缩窗口，不断右移指针l，直到sum<=target为止
4、更新结果：判断如果此时sum==target，则更新结果

5、重复步骤：重复上述步骤2、3、4，直到 指针 r 遍历完整个输入数据

代码实现：

class Solution {
    public int minOperations(int[] nums, int x) {
        int n=nums.length,target=0,sum=0,max=-1;
        for(int i=0;i<n;i++){
            target+=nums[i];
        }
        target-=x; //将找两边问题转化为找中间
        if(target<0)return -1; //小优化
        for(int l=0,r=0;r<n;r++){
            sum+=nums[r]; //进窗口
            while(sum>target&&l<=r){ //判断
                sum-=nums[l++]; //出窗口
            }
            if(sum==target){ 
                max=Math.max(max,r-l+1); //更新结果
            }
        }
        return max==-1?-1:n-max;
    }
}


五、⽔果成篮

题目链接

题目描述：

题目分析：

由于研究对象是一段连续区间，于是可以尝试用滑动窗口来解决

维护窗口内元素满足只有两种水果作为条件即可。可以通过hash表来维护水果种类及出现频次。不过直接使用自带hash表的开销会比较大，我们可以用一个数组来模拟hash表

用数组下标作为水果种类，数组值作为对应水果数量。不过这样似乎就不好计算水果种类数了，该怎么办？我们可以再建立一个变量kinds，记录水果总量。每次滑动窗口，无非就是多一个或者少一个水果，因此我们可以再每次滑动时做判断,：

  • 如果是增加一个水果，且对应水果数量由0变为1，相当于从无到有，水果种类肯定是变多的，我们就让kinds++
  • 如果是减少一个水果，且对应水果数量由1变为0，相当于从有到无，水果种类肯定是变少的，我们就让kinds--

这样我们就通过一个变量kinds很方便的记录了水果种类数了。然后就可以开滑了

滑动流程：

1、初始化窗口：定义两个指针 l 和 r ，一开始都让他们指向0位置

2、扩展窗口：让 r 指向的元素“进入窗口”，让hash数组对应的值+1，并由上述操作更新水果种类kinds

3、收缩窗口：判断此时kinds数量：

  • 如果kinds>2：说明现在窗口内水果种类数过多，不断让左侧元素滑出窗口，并将hash数组中对应元素值-1，然后更新种类数kinds，直到kinds<=2
  • 如果kinds<=2：说明当前窗口内水果种类数符合要求，不用收缩窗口
4、更新结果：如果能执行到这一步，则窗口内元素一定是符合要求的，直接更新结果即可

5、重复步骤：重复上述步骤2、3、4，直到 指针 r 遍历完整个输入数据

代码实现：

class Solution {
    public int totalFruit(int[] fruits) {
        
        int n=fruits.length,max=0;
        int[] hash=new int[n+1];
        for(int l=0,r=0,kinds=0;r<n;r++){
            int in=fruits[r];
            if(hash[in]==0)kinds++;
            hash[in]++;
            while(kinds>2){
                int out=fruits[l++];
                hash[out]--;
                if(hash[out]==0)kinds--;
            }
            max=Math.max(max,r-l+1);
        }
        return max;
    }
}

 

六、找到字符串中所有字⺟异位词

题目链接

题目描述：

题目分析：

由于子串的概念也是连续的，因此就可以尝试使用滑动窗口

由题意可知，字符串 p 的异位词的⻓度⼀定与字符串 p 的⻓度相同，所以我们可以在字符串 s 中构造⼀个⻓度为与字符串 p 的⻓度相同的滑动窗⼝，并在滑动中维护窗⼝中每种字⺟的数量

当窗口内每种字⺟的数量与字符串 p 中每种字⺟的数量相同时，则说明当前窗⼝为字符串 p 的异位词

因此可以⽤两个⼤⼩为 26 的数组来模拟哈希表，⼀个来保存 s 中的⼦串每个字符出现的个
数，另⼀个来保存 p 中每⼀个字符出现的个数。这样就能判断两个串是否是异位词
滑之前的准备：
先将字符串p转化为字符数组cs1，接着遍历数组，通过⼤⼩为 26 的 target数组来存储字符串 p中每种字符的个数。不过直接判断两个数组是否相等的话会比较麻烦，于是我们可以通过一个变量count来记录两个的相同元素数，如果窗口长于字符串长度len相同，且count==len，就说明此时符合条件
滑动流程：

1、初始化窗口：定义两个指针 l 和 r ，一开始都让他们指向0位置

2、扩展窗口：不断让 r 指向的元素“进入窗口”，并用hash数组存储对应字符，维护count的值。

3、收缩窗口：判断此时窗口的大小：

  • 如果窗口长度大于len：说明现在窗口内字符数过多，让左侧元素滑出窗口，并用hash数组存储对应字符，维护count的值。
  • 如果窗口长度小于等于len ：说明当前窗口内zifu数符合要求，不用收缩窗口
4、更新结果：如果此时count==len，则更新结果即可

5、重复步骤：重复上述步骤2、3、4，直到 指针 r 遍历完整个输入数据

代码实现：

class Solution {
    public List<Integer> findAnagrams(String s, String p) {
        char[] cs1=p.toCharArray(),cs2=s.toCharArray();
        int n=s.length(),len=p.length();
        int[] target=new int[26],hash=new int[26];
        for(char c:cs1){
            target[c-'a']++;
        }
        List<Integer> list=new ArrayList<>();
        for(int l=0,r=0,count=0;r<n;r++){
            int in=cs2[r];
            if(++hash[in-'a']<=target[in-'a'])count++;
            if(r-l+1>len){
                int out =cs2[l++];
                if(hash[out-'a']--<=target[out-'a'])count--;
            }
            if(count==len)list.add(l);
        }
        return list;
    }
}

那么本篇文章就到此为止了，如果觉得这篇文章对你有帮助的话，可以点一下关注和点赞来支持作者哦。如果有什么讲的不对的地方欢迎在评论区指出，希望能够和你们一起进步✊

初晴~
关注
专栏目录
算法：字符串
uncle_ll的博客
02-27 1002
字符串 字符串简介 字符串：简称为串，是由零个或多个字符组成的有限序列。一般记为s=a1a2...ans=a_1a_2...a_ns=a1​a2​...an​ 字符串名称：字符串定义中的s就是字符串的名称； 字符串的值：a1a2...ana_1a_2...a_na1​a2​...an​组成的字符串就是字符串的值，一般用双引号括起来； 字符变量：字符串每一个位置上的元素都是一个字符变量。字符aia_iai​可以是字母，数字或者其他字符。i是该字符在字符串中的位置； 字符串的长度：字符串中字符的数目n成为字符
词嵌入技术在社交媒体分析中的应用
AI天才研究院
07-22 1361
作者：禅与计算机程序设计艺术 随着互联网的飞速发展，基于网络、移动终端和社会化网络服务构建起来的社交网络正在成为当今世界上最大的生态系统之一。随着互联网技术的不断发展和社会生活的深刻变化，传播动态信息的方式也越来越多样化，不同形式的信息通过不同的渠道和平台得以广泛地传播和扩散。在这个过程中，社交媒体数据的分析对传播者、消费者和企业都具有重
一些算法知识整理
superY_26的博客
04-14 738
整理的一些算法知识，包括机器学习LR、SVM、K-Means、决策树、GBDT、LightGBM、DeepFM、DIN、ESMM、DCN、MMoE、NodeVec、LSTM、Transformer、BERT。希望能帮助到找算法岗的同学。
LeetCode专项练习之滑动窗口（Sliding window）笔记
qq_38250960的博客
03-07 581
本文是根据穷码农的LeetCode刷题建议而进行专项练习时记录的心得。 滑动窗口，笼统来讲就是在列表（数组）里建立一个滑动窗口，并往其中塞入满足条件的元素。每循环一次，右指针便会右移，同时依据情况移动左指针。 今天的笔记包含滑动窗口（Sliding Window）类型下的7个题目，它们在leetcode上的编号和题名分别是： 3 - Longest Substring Without R...
【自用】NLP算法面经
weixin_44307002的博客
05-18 1184
深度学习是机器学习的一个分支。传统机器学习的特征提取主要依赖人工，针对特定简单任务时人工提取特征会简单有效，但是并不能通用。深度学习的特征提取并不依靠人工，而是机器自动提取的。Transformer是一种基于自注意力机制的神经网络模型。Transformer模型由编码器和解码器两部分组成，编码器用于将输入序列编码成一个高维向量表示，解码器用于将这个向量表示解码成目标序列。Transformer最核心的部分是自注意力机制，它能够让模型在不同位置之间进行信息传递和交互，从而更好地学习输入序列中的信息。
LeetCode[Hard]------Sliding Window类型题目详解
CodingArtist
11-02 621
LeetCode[Hard]------Sliding Window类型题目详解 什么是Sliding Window算法？ 滑动窗口(Sliding Window)问题经常使用左边界(left)和右边界(right)来解决问题，[0, left) 的区域为滑动窗口已经探索过的区域, [left, right]的区域为滑动窗口正在探索的区域, (right, length-1)为待探索的区域。 Sl...
卷积神经网络超详细介绍
热门推荐
呆呆的猫的博客
09-19 61万+
海量的有标记的训练数据，也就是李飞飞团队提供的大规模有标记的数据集ImageNet计算机硬件的支持，尤其是GPU的出现，为复杂的计算提供了强大的支持算法的改进，包括网络结构加深、数据增强（数据扩充）、ReLU、Dropout等AlexNet之后，深度学习便一发不可收拾，分类准确率每年都被刷榜，下图展示了模型的变化情况，随着模型的变深，Top-5的错误率也越来越低，目前已经降低到了3.5%左右，同样的ImageNet数据集，人眼的辨识错误率大概为5.1%，也就是深度学习的识别能力已经超过了人类。
深度学习之对象检测_深度学习时代您应该阅读的12篇文章，以了解对象检测
weixin_26752765的博客
09-04 1695
深度学习之对象检测 前言 (Foreword) As the second article in the “Papers You Should Read” series, we are going to walk through both the history and some recent developments in a more difficult area of computer vi...
【ChatGPT核心原理实战】手动求解 Transformer：分步数学示例 | Solving Transformer by Hand: A Step-by-Step Math Example
AI天才研究院
12-22 3097
手动求解 Transformer：分步数学示例Understanding Transformers: A Step-by-Step Math Example — Part 1了解 Transformer：分步数学示例 — 第 1 部分I understand that the transformer architecture may seem scary, and you might have encountered various explanations on…我知道变压器架构可能看起来很可怕，并且
PCA（主成分分析）算法的应用场景
huanfeng_AI的博客
11-09 435
需要注意的是，PCA并不适用于所有场景。例如，当数据之间存在非线性关系时，PCA可能无法完全揭示数据的内在结构。此外，PCA对初始变量的顺序和标签敏感，不同的变量顺序可能导致不同的主成分结果。因此，在选择数据分析方法时，需要根据具体的数据和任务需求来决定是否使用PCA。
1163：阿克曼(Ackmann)函数
最新发布
呆萌很的博客
11-12 158
1163：阿克曼(Ackmann)函数
0-Equity-Transformer：求解NP-Hard Min-Max路由问题的顺序生成算法（AAAI-24)(完)（code）
太极生两鱼
11-12 42
最小最大路由问题旨在通过智能体合作完成任务来最小化多个智能体中最长行程的长度。这些问题包括对现实世界有重大影响的应用场景，但已知属于NP-hard问题。现有方法在大规模问题上面临挑战，尤其是在需要协调大量智能体以覆盖数千个城市的情况下。本文提出了Equity-Transformer来解决大规模最小最大路由问题。首先，我们采用顺序规划方法来处理最小最大路由问题，使我们能够利用强大的序列生成器（例如，Transformer）。其次，我们提出了关键的归纳偏差，以确保智能体之间的公平工作量分配。
点云配准之点到点，点到面，点到线ICP，NDT算法介绍
qq_54375651的博客
11-10 1281
点云配准在人工智能，自动驾驶，SLAM等任务中具有十分关键的作用，本文将介绍点云配准的点到点，点到线，点到面ICP和NDT算法
算法每日双题精讲——双指针（有效三角形的个数，和为s的俩个数）
A Charmer 的博客
11-09 1233
本文围绕算法中的双指针技巧，详细讲解了 “有效三角形的个数” 和 “和为 s 的俩个数” 两道题目。对于 “有效三角形的个数”，通过排序数组后利用双指针遍历统计满足条件的三元组；“和为 s 的俩个数” 则是先排序，再用双指针找到和为目标值的两个数的下标。文中给出了 C++ 代码实现，并分析了每道题的时间复杂度和空间复杂度，最后强调双指针算法在解决数组问题中的优势，鼓励读者在算法学习中掌握该技巧。
二分查找习题篇(上)
zoelinkailuo的博客
11-07 1009
给定⼀个 n 个元素有序的（升序）整型数组 nums 和一个目标值 target ，写一个函数搜索 nums 中的 target，如果目标值存在返回下标，否则返回 -1。这里，我们把数组的元素分为两部分——小于等于target的部分[left,Bright] and 大于target的部分[Bright+1,right]。这里，我们把数组的元素分为两部分——平方后小于等于x的部分[1,mid] and 平方后大于x的部分[mid-1, x]和一个目标值，在数组中找到目标值，并返回其索引;
AI 写作（三）文本生成算法：创新与突破（3/10）
小相探索IT世界
11-08 1730
本文深入探讨了 AI 写作中的多种文本生成算法。首先介绍了生成式与判别式模型的区别与特点，包括优化准则、对观察序列的处理、训练复杂度以及支持的训练方式等方面的差异，并对比了它们在 AI 写作中的优缺点。接着详细阐述了长短期记忆网络（LSTM）在文本生成中的应用，包括技术原理与结构、实现步骤与流程以及应用示例与效果。还深入分析了 Transformer 与自注意力机制，介绍了其模型架构与组成、自注意力机制的作用以及在 AI 写作中的重要作用。
数组类算法【leetcode】
随便写写
11-07 380
给定一个 n 个元素有序的（升序）整型数组 nums 和一个目标值 target ，写一个函数搜索 nums 中的 target，如果目标值存在返回下标，否则返回 -1。二分查找 用于有序数组中，没有重复的数组。首先需要定义一个头（left）和尾(right)，最后通过mid和target对比不断修改头和尾指向的位置。【需要注意区间问题，根据区间的开和闭决定边界条件】推荐练习 leetcode35.
以太坊系地址衍生算法分层确定性生成逻辑
J_Lee
11-12 165
以太坊系地址衍生算法分层确定性生成逻辑
LeetCode题练习与总结：迷你语法分析器--385
一直学习永不止步
11-09 539
本文详细介绍了如何解析整数嵌套列表字符串并返回 NestedInteger 对象的解题思路和具体实现。涉及知识点包括字符串处理、栈的使用、递归逻辑等，时间复杂度为 O(n)，空间复杂度也为 O(n)。
评论 30
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值