LeetCode第三题(Longest Substring Without Repeating Characters)三部曲之三:两次优化

版权声明:欢迎转载,请注明出处,谢谢。 https://blog.csdn.net/boling_cavalry/article/details/86655675

本文是《LeetCode第三题(Longest Substring Without Repeating Characters)三部曲》的第三篇,之前的两篇文章列出了思路并写出了Java代码,虽然在LeetCode网站提交通过,但是成绩并不理想,40多毫秒的速度,与诸多优秀的方案有不小差距,
今天就来一起优化代码,提升速度;

三部曲完整链接

  1. 《LeetCode第三题(Longest Substring Without Repeating Characters)三部曲之一:解题思路》;
  2. 《LeetCode第三题(Longest Substring Without Repeating Characters)三部曲之二:编码实现》;
  3. 《LeetCode第三题(Longest Substring Without Repeating Characters)三部曲之三:两次优化》;

原有代码

这里再回顾一下原有代码:

public int lengthOfLongestSubstring(String s) {
        //窗口的起始位置,窗口的结束为止,最长记录
        int left = 0, right = 0, max = 0;

        //表示窗口内有哪些值
        Set<Character> set = new HashSet<>();

        while (right < s.length()) {
            //例如"abcdc",窗口内是"abcd",此时right等于[4],
            //发现窗口内有array[right]的值,就缩减窗口左边,
            //缩到窗内没有array[right]的值为止,
            //当left一路变大,直到left=3的时候,窗口内已经没有array[right]的值了
            if (set.contains(s.charAt(right))) {
                //假如窗口内是"abc",当前是"c",那么下面的代码只会将"a"删除,left加一,再次循环
                //而新一次循环依旧发现"c"还在set中,就再把"b"删除,left再加一...
                set.remove(s.charAt(left++));
            } else {
                //窗口内没有array[right]的时候,就把array[right]的值放入set中,表示当前窗口内有哪些值
                set.add(s.charAt(right++));

                if ((right - left) > max) {
                    max = right - left;
                }
            }
        }

        return max;
    }

第一次优化

  1. 这次的重点是HashSet对象,此对象保存窗口中的所有元素,每加入一个新元素之前都检查HashSet中是否存在该元素;

  2. 如下图所示,代码中通过set.addset.remove方法将HashSet中的内容始终与窗口中的内容保持一致:
    在这里插入图片描述

  3. 优化前:判断一个元素是否在窗口中,现在的做法是以HashSet中为准,当判定某个元素要从窗口中移除,就调用HashSet的remove方法从HashSet中删除;

  4. 上述的代码可以优化,优化后可以不用执行HashSet的remove方法,具体的逻辑是使用HashMap替代HashSet,HashMap的key是字符串的元素,value是元素在数组中的位置,举个例子,当left=1,right=3时,整体的效果是下图这样的,HashMap中已经保存了"a"、“b”、"c"三个元素作为key,而value就是它们在数组中的下标:
    在这里插入图片描述

  5. 现在要检查数组中下标为4的元素"b":以"b"为key查找HashMap,如果不存在就表示不在窗口中,如果存在,就用对应的value=1去和left比较,如果小于left就表示不在窗口中,如果大于或者等于left就表示在窗口中,如下图所示:
    在这里插入图片描述
    这里要注意的是:hashmap中任意一个value,表示的是某个元素在整个数组中的位置,而不是在窗口中的位置,因为程序中不会对hashmap做remove操作;

  6. 接着上面的图分析,"b"元素被发现在窗口中存在后,除了将left调整为2,right调整为4,还要调用HashMap的put方法,将"b"元素的位置从原来的1更新为4;

  7. 另外还有个优化点:假设当前窗口中是"abc",而检查的元素是"b",之前的代码中,要执行两次循环:先删除"a",left加一,再删除"b",left再加一,现在用了HashMap就能得到"b"的位置,直接将left改为"b"的下一个位置即可,不需要执行两次循环了;

  8. 以上就是优化思路了,用HashMap取代HashSet,不再执行remove方法,对代码的调整并不大,调整后的完整代码如下:

public int lengthOfLongestSubstring(String s) {
        int left =0, right =0, max = 0;
        Map<Character,Integer> map = new HashMap<>();
        while (right<s.length()){
        	//map中如果不存在就表示不在窗口中
            if(map.containsKey(s.charAt(right))){
                int pos = map.get(s.charAt(right));
                //map中如果存在,再检查value和left,来判断是否在窗口中
                if(pos>=left){
                	//注意这又是个优化点,假设当前窗口中是"abc",而检查的元素是"b",
                	//之前的代码中,要执行两次循环:先删除"a"再删除"b",
                	//现在用了HashMap就能得到"b"的位置,直接将left改为"b"的下一个位置即可,不需要执行两次循环了
                    left = pos + 1;
                }
            }
            map.put(s.charAt(right), right++);
            if((right-left)>max){
                max = right-left;
            }
        }

        return max;
    }

提交上述代码到LeetCode,这次的成绩是27毫秒,比之前好了不少,如下图:
在这里插入图片描述

然而,这个成绩依然很平庸,因为它还有可优化之处,接下来再次优化;

第二次优化

  1. 第一次的优化点是消除remove方法和while循环次数,第二次优化则是针对HashMap,每次处理新的元素都涉及到HashMap的操作,如果您对HashMap的内容有所了解,就知道计算hashcode、创建EntrySet,调用equals方法这些操作会被频繁执行,如果能省去这些操作,那么性能应该会有明显提升,问题是:如何才能去掉HashMap而不影响功能呢?
  2. 我们先明确HashMap在程序中的作用:保存一个元素在数组中的位置,所以优化的方向就是寻找HashMap的替代品;
  3. 假设一共可能出现二十六种字符:从"a"到"z",那就简单了,用一个长度为26的int数组来记录每个字符的位置,array[0]的值就是元素"a"的位置,array[1]的值就是元素"b"的位置,array[2]的值就是元素"c"的位置,如下图所示,图中的数字97是"a"的ASCII码:
    在这里插入图片描述
  4. 按照上面的设计,array[0]=3就表示"a"元素在整个数组中最后一次出现的位置是3,array[1]=1表示"b"元素在整个数组中最后一次出现的位置是1,array[2]=2就表示"c"元素在整个数组中最后一次出现的位置是2,如下图:
    在这里插入图片描述
  5. 按照以上设计是不是就可以立即编码并提交到LeetCode了呢?我当时就是这么做的,很不幸因为测试没有通过而提交失败了,没通过的原因是:字符串中不仅会有"a"到"z"的小写,还有大写字母、空格字符、加减乘除等字符,遇到这些字符时,我们之前设计的长度26的数组就不够用了,看来要重新设计数组;
  6. 新的数组总长度是95,这是因为所有英文可见字符一共是95个,从空格开始,到"`"结束,如下图的三个红框所示:
    在这里插入图片描述
  7. 如上所示,长度为95的数组,可以将所有可见字符都纳入进来,array[0]保存的是空格字符的位置,因此计算字符"a"在array数组中的下标就从之前的’a’-97=0变成了’a’-32=65
  8. 另外要注意的是,这个数组中每个元素初始值都是-1,表示字符串中没有这个元素(或者说还没有处理到);
  9. 按照上述思路优化后的代码如下所示,可见改动并不大,只是把HashMap相关的地方全部改成了上述的数组逻辑:
public int lengthOfLongestSubstring(String s) {
        int left =0, right =0, max = 0;

        int[] array = {-1, -1, -1, -1, -1, -1, -1, -1, -1, -1,
                       -1, -1, -1, -1, -1, -1, -1, -1, -1, -1,
                -1, -1, -1, -1, -1, -1, -1, -1, -1, -1,
                -1, -1, -1, -1, -1, -1, -1, -1, -1, -1,
                -1, -1, -1, -1, -1, -1, -1, -1, -1, -1,
                -1, -1, -1, -1, -1, -1, -1, -1, -1, -1,
                -1, -1, -1, -1, -1, -1, -1, -1, -1, -1,
                -1, -1, -1, -1, -1, -1, -1, -1, -1, -1,
                -1, -1, -1, -1, -1, -1, -1, -1, -1, -1,
                -1, -1, -1, -1, -1};

        int offset;
        while (right<s.length()){
			//offset表示当前处理的元素在array数组中的下标,
			//如果当前元素是空格,那么减去32后等于0,array[offset]即array[0],
			//这个array[0]的值就是空格字符在字符串中的位置
            offset = s.charAt(right) - 32;

            if(array[offset]>-1){
                int pos = array[offset];

                if(pos>=left){
                    left = pos + 1;
                }
            }

            array[offset] = right++;

            if((right-left)>max){
                max = right-left;
            }
        }

        return max;
    }
  1. 将以上代码提交到LeetCode,顺利通过,成绩提升到17ms,超过了99.94%的java方案,如下图:
    在这里插入图片描述
  2. 最终效果证明这次优化的方向和结果都是正确的,之前已经有朋友问过优化思路从何而来,其实灵感来自桶排序,思想是类似的;

至此,LeetCode第三题的解题思路、编码实现、优化实战就全部完成了,希望能给读者您在解题过程中带来一些参考,刷题之路,大家一起努力!

没有更多推荐了,返回首页