找无重复字符的最长子串长度之滑动窗口算法

给定一个字符串，找出其中无重复字符的最长字串长度。如“abcabc”,结果为3；如”aaa“,结果为1。求解算法有多种，本篇主要介绍其中的滑动窗口算法。

什么是滑动窗口？

       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)[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)[i,j) 向右滑动 111 个元素，则它将变为 [i+1,j+1)[i+1, j+1)[i+1,j+1)（左闭，右开）。

       为了解决这个问题，采用HashSet作为滑动窗口，将最长子串保存在窗口中[i, j)。最初j = i = 0,然后向右侧滑动，即索引j++,判断是否在窗口中，如果不在，继续滑动，直到存在为止。这样就得到一个以i开头的最长子串，如果对每一个i这样做，就可以得到答案。

具体代码如下：

public int lengthOfLongestSubstring(String s) {
	    	int length = s.length();
	    	Set<Character> window = new HashSet<>();
	    	int i = 0, j = 0, max = 0;
	    	while(i < length && j < length) {
	    		if(!window.contains(s.charAt(j))) {
	    			char str = s.charAt(j++);
	    			window.add(str);
	    			max = Math.max(max, j - i);	
	    		}
	    		else {
	    			window.remove(s.charAt(i++));
	    		}
	    	}
	    	return max;
	    }

复杂度分析

时间复杂度：O(2n)=O(n)O(2n) = O(n)O(2n)=O(n)，在最糟糕的情况下，每个字符将被 i和 j 访问两次。

空间复杂度：O(min(m,n))，与之前的方法相同。滑动窗口法需要 O(k) 的空间，其中 k 表示 Set 的大小。而 Set 的大小取决于字符串 n 的大小以及字符集 / 字母 m 的大小。

方法三：优化的滑动窗口
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] 在 [i,j) 范围内有与 j′ 重复的字符，我们不需要逐渐增加 i 。 我们可以直接跳过 [i，j′] 范围内的所有元素，并将 i 变为 j′+1。

 public static int lengthOfLongestSubstring(String s) {
	    	int n = s.length(), ans = 0;
	    	Map<Character, Integer> map = new HashMap<>(); // current index of character
	    	// try to extend the range [i, j]
	    	for (int j = 0, i = 0; j < n; j++) {
	    	    if (map.containsKey(s.charAt(j))) {
	    	        i = Math.max(i, map.get(s.charAt(j)));
	    	    }
	    	    ans = Math.max(ans, j - i + 1);
	    	    map.put(s.charAt(j), j + 1);
	    	}
	    	return ans;
	    }