算法--无重复字符的最长子串

算法–无重复字符的最长子串

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。

解题：

方法1：

找出出现重复时的最大子字符长度， 记录每次开始的子字符序列，遍历每个字符时开始记录此字符开头的字符串，并补充之前的字符串，如果原字符串中已含有此字符，重新记录子字符串，并比较子字符串长度。

class Solution {
public:
    int lengthOfLongestSubstring(string s) {
        vector<string> data;
        int max = 0;
        unsigned sSize = s.size();
        for(int i=0;i<sSize;i++){
            bool add = true;
            for (int j = 0; j < data.size(); j ++){
                if(data[j].find(s[i]) != string::npos){
                    if (max < data[j].size())
	                    max = data[j].size();
                    data[j] = s[i];
                    add = false;
                }else{
                    data[j].append(1, s[i]);
                }
            }
            if(add){
                data.push_back(string(1, s[i]));
            }
        }
        for (int i = 0; i < data.size(); i++){
            if(max < data[i].size()){
                max = data[i].size();
            }
        }
        return max;
    }
};

方法2：滑动窗口

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)[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)[i,j) 向右滑动 11 个元素，则它将变为 [i+1, j+1)[i+1,j+1)（左闭，右开）。

我们使用 set 将字符存储在当前窗口 [i, j)[i,j)（最初 j = ij=i）中。 然后我们向右侧滑动索引 jj，如果它不在 set 中，我们会继续滑动 jj。直到 s[j] 已经存在于 set 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 ii 开头。如果我们对所有的 ii 这样做，就可以得到答案。

class Solution {
public:
    int lengthOfLongestSubstring(string s) {
        set<char> m_set;
        int i=0, j=0;
        int n = s.size();
        int max = 0;
        while(j < n && i < n){
            if(m_set.find(s[j]) == m_set.end()){
                m_set.insert(s[j++]);
                if(j- i > max){
                    max = j -i;
                }
            }else{
                m_set.erase(s[i++]);
            }
        }
        return max;
    }
};

方法3：滑动窗口优化

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]s[j] 在 [i, j)[i,j) 范围内有与 j’j
′
重复的字符，我们不需要逐渐增加 ii 。 我们可以直接跳过 [i，j’][i，j′] 范围内的所有元素，并将 ii 变为 j’ + 1j′ +1。

class Solution {
public:
    int lengthOfLongestSubstring(string s) {
        map<char, int> m_map;
        int i=0, j=0;
        int n = s.size();
        int max = 0;
        for(;j<n;j++){
            if(m_map.find(s[j]) != m_map.end()){
                i = m_map[s[j]];
            }
            if (max < j - i + 1)
                max = j - i + 1;
            m_map[s[j]] = j+1;
        }
        return max;
    }
};