算法——滑动窗口（day5）

209.长度最小的子数组 

209. 长度最小的子数组 - 力扣（LeetCode）

题目解析：

我们先从暴力破解的角度进行优化来过渡到滑动窗口的理论。

正常按照暴力就是先设一个sum来记录遍历指针right经过的数值，若sum<target就让right继续往下遍历，直到sum>=target的时候记录长度，持续到一轮结束后就移动left缩减范围进行新一轮的比较。最后就是挑出最小的len作为返回结果。

算法解析：

而滑动窗口算法就是在单调性这里对暴力算法作出优化。

在第一轮中当我们已经达到sum>=target的条件后就可以结束这一轮了，再继续往后遍历只会让长度更长（因为数组全为正整数）.

而在第一轮结束后right也不用急着复位（与left共同指向）,保持这个窗口。而窗口内的sum数值更新只需要sum-=2就行了。

滑动窗口流程图：只要没达到预期值，那我们就不断扩充窗口直到sum达成目标值。这时候先计算长度，然后开始缩小窗口（开始第二轮）。而无论是扩充窗口还是缩小窗口后面都需要判断，扩充完窗口后得看是继续扩充呢？还是先计数再缩小~缩小完窗口后得看是继续计数缩小呢？还是选择扩充。（因为无论扩窗还是缩窗sum都会发生改变，所以得进一步判断）

代码： 

class Solution {
public:
    int minSubArrayLen(int target, vector<int>& nums) {
        int n = nums.size(), sum = 0, ret = INT_MAX;
        for (int left = 0, right = 0; right < n; right++)
        {
            //扩窗口
            sum += nums[right];
            //判断是否继续扩充，若发现需要扩充，进入下一处循环
            //若发现已经扩充到目标值时，准备缩小
            while (sum >= target)
            {
                ret = min(ret, right - left + 1);//计数
                sum -= nums[left++];//缩窗口，然后再转回循环判断是否需要继续缩窗
            }
            //发现不需要继续缩窗了，进入循环进行再次扩充
        }
        return ret == INT_MAX ? 0 : ret;
    }
};

3.无重复字符的字符子串

3. 无重复字符的最长子串 - 力扣（LeetCode）

题目解析：

这道题和上一道思路基本一致，先用暴力进行优化过渡到滑动窗口~

利用right指针遍历数组，每次遍历前都得利用哈希表判断一下，表内没有就添加进去，表内有那就停止遍历，先把重复项移出直到没有重复后最终才计算长度。

算法解析：

而滑动窗口算法就是对暴力解法的进一步优化~

在找到重复项后right不用复位，因为在第一轮中已经把遍历过的数都放在哈希表内了，而left与right又都为重复项，所以在新的一轮中只需要通过left来去除哈希表的其中一个重复项然后再移动就好了。 

滑动窗口流程：

无重复项——>扩充窗口（若仍无则继续扩充）（若有重复项，准备缩小窗口）

有重复项——>缩小窗口（仍有重复项，例如pwwkew继续缩小））（若无，准备扩充）

计算长度要再最后执行，不能放在缩小窗口循环内。这也是跟上一题的区别（上一题是通过缩小窗口来求长度最小，所以每一次缩小都有可能得到最小长度）（而本题是求最大连续长度，只需要在去除所有重复项后计算就行了）

代码：

class Solution {
public:
    int lengthOfLongestSubstring(string s) {
        int n = s.size();
        int ret = INT_MIN;
        int hash[128] = { 0 };//用数组模拟哈希表
        for (int left = 0, right = 0; right < n; right++)
        {
            //扩充窗口
            hash[s[right]]++;
            //判断，当扩充完后若无重复项，计算长度并进入下一循环扩充
            //当有重复项时，开始缩小窗口直到没有重复项
            while (hash[s[right]] > 1)
            {
                //缩小窗口
                hash[s[left++]]--;
            }
            ret = max(ret, right - left + 1);//没有重复项时计长度
            //计完长度后继续进入下一循环扩充
        }
        return ret == INT_MIN ? 0 : ret;
    }
};