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;
}