算法思想-滑动窗口思想

算法思想-滑动窗口思想

在解Leetcode题的时候，遇到了几个新的算法思想，这个系列文章就把Leetcode中的一些算法思想做一些整理，包括老生常谈的动态规划，也包括我最新接触的滑动窗口思想，并查集等，另外，遇到新的题目的时候也会在这里做一些整理。

起源-计算机网络协议

在介绍滑动窗口思想之前，首先介绍这个算法思想的由来，是一种TCP网络协议-滑动窗口协议，其实在大学学计算机网络的时候，自己可能并没有对这个协议有太多的印象，也许是当时用的太少，工作之后这方面涉及的也比较少，所以在整理这篇文章之前，我先补了一下计算机网络知识-滑动窗口协议。

一条TCP连接的双方主机都为该连接设置了接收缓存。当该TCP连接收到正确按序字节后，它就把数据放入缓存中，应用进程从缓存中读取数据，是异步的，因此不保证所有数据都在第一时间被读取，当发送方发送的数据过多或者过快的时候，就会造成缓存不够用，也就是缓存溢出。

TCP通过让发送方维护一个接收窗口的变量来提供流量控制服务，以消除缓存溢出的可能性，接收窗口用于告诉发送方接收方还有多少空间，做一个比喻，也就是说，发送信息方相当于做饼的人，接收方相当于吃饼的人，接收方通过一个变量告诉发送方，我还能吃多少饼，显然这个变量是可以变化的。

（以上部分内容出自《计算机网络-自顶向下方法》 （（美） James F Kurose，（美）Keith W Ross）著）

滑动窗口思想（算法）

比起滑动窗口算法这种比较正式的算法叫法，我更愿意把它称作一种思想，因为他并不是像并查集，红黑树那样使用固定的数据结构去解决问题的算法，它更像动态规划那种，是一种思想，或者可以称为解决问题的思路，在我遇到的例子当中，并没有哪一个题目是必须用这个算法来解决的，它是一种优化的思想，用于解决一个特定大小的字符串或数组上进行操作，用于降低循环的嵌套层次，也就是降低算法复杂度。总结一下就是“请找到满足xx的最x的区间（子串、子数组）的xx”这类问题都可以用滑动窗口思想来优化。

具体实例

 

A的最大长度是20000，因此，不能使用枚举方案了，我们考虑用滑动窗口来解决

class Solution {
public:
     int maxTurbulenceSize(vector<int>& A) {
         int ans = 1, count = 1;
          bool flag;
          for(int i=1; i<A.size();)
          {
              count = 1;
              if(A[i] != A[i-1])
              {
                  flag = (max(A[i], A[i-1]) == A[i]);
                  while(i<A.size() && flag == (max(A[i], A[i-1]) == A[i]) && (A[i] != A[i-1]))
                  {
                      count++;
                      flag = !flag;
                      i++;
                  }
                  if(count > ans)
                  {
                      ans = count;
                  }
              }
              else
              {
                  i++;    
              }         
          }
          return ans;
     }
};

窗口的起点从i-1开始，每次先和相邻的点做比较，如果不相等，窗口进一步向后滑动，如果继续不等，判断是否和下一个flag相等，窗口继续滑动，直到不满足条件为止。