滑动窗口机制

流星雨爱编程

已于 2024-02-02 21:25:29 修改

阅读量866

点赞数 23

分类专栏： #数据结构和算法文章标签：推荐算法 c++

于 2023-11-30 21:21:49 首次发布

本文链接：https://blog.csdn.net/haokan123456789/article/details/134722028

版权

#数据结构和算法专栏收录该内容

3 篇文章 2 订阅

订阅专栏

相关系列文章

滑动窗口机制

1.引言

算法四大思想：滑动窗口、贪心、回溯、动态规划。现在我们讲的是滑动窗口思想！

2.概念

在数组双指针里，我们介绍过"对撞型"和"快慢型"两种方式，而滑动窗口思想就是快慢型的特例。

3.实际使用

计算机网络中有滑动窗口协议（Sliding Window Protocol），该协议是TCP实现流量控制等的核心策略之一。事实上在流量控制、熔断、限流、超时等场景下都会首先从滑动窗口的角度思考问题，例如hystrix、sentinel等框架等都使用了这种思想。

4.理解

这个思想其实很好理解，如下图，假如窗口的大小是3，当不断有新数据来时，我们会维护一个大小为3的一个区间，超过3的就将新的放入老的移走。

这个过程有点像火车在铁轨上跑，原始数据可能保存在一个很大的空间里(铁轨)，但是我们标记的小区间就像一列长度固定的火车，一直向前走。

有了区间，就可以造题了，例如让你找序列上三个连续数字的最大和是多少、子数组平均数是多少等等。

4.1.窗口和滑动的含义

窗口：窗口其实就是两个变量left和right之间的元素，也可以理解为一个区间。窗口大小不一定固定，思考两种场景：

如果是固定的，一般要先确定窗口是否越界，再执行逻辑处理。则一般会让你求哪个窗口的元素最大、最小、平均值、和最大、和最小等类型的问题
如果是可变的窗口，一般先判断是否满足要求，再执行逻辑处理。则一般要求一个序列里最大、最小窗口是什么

滑动：说明这个窗口是移动的，事实上移动的仍然是left和right两个变量，而不是序列中的元素。当变量移动时，其中间的元素必然会发生变化，因此就有这种不断滑动的效果。

4.2.注意事项

解题最终要落实到数组上，特别需要注意边界处理

有些元素的比较、判断等比较麻烦，要借助集合等工具，而且处理过程中还有一些技巧（常见方法的使用等）

堆，堆结构非常适合在流数据中找固定区间内的最大、最小等问题。因此滑动窗口经常和堆一起使用可以完美解决很多复杂问题.

4.3.双指针和滑动窗口区别

答：根据性质看到，滑动窗口是双指针的一种类型，主要关注两个指针之间元素的情况，范围更小一些，而双指针的应用范围更大，花样也更多。

5.入门小题

5.1.子数组的最大平均数

LeetCode 643：给你一个由 n 个元素组成的整数数组 nums 和一个整数 k。请你找出平均数最大且长度为 k 的连续子数组，并输出该最大平均数。

先自己思考一下，不难但是想要完全做对还是要细心。例如我一开始就是先定义一个变量max保存最大值，然后left和right保存窗口两端。只要right不到数组边界，滑动窗口每次一变我就计算窗口内的元素之和，然后和max比较看看是否保存。

但是我一开始把max定为0，忽略数组内k个最大连续组序列的和是负数的情况。力扣上我又换回C++用INT_MIN来定义结果是直接超时了啊哈哈哈😁。正确代码如下：

public double findMaxAverage(int[] nums, int k) {
    if(k > nums.length || nums.length < 1 || k < 0){
      return 0;
    }
    int len = nums.length;
    int windowSum = 0;
    //先求出第一个窗口内的元素和
    for(int i = 0 ; i < k ;i++){
      windowSum = windowSum + nums[i];
    }
    //然后依次遍历，right达到数组边界,每次窗口变化选择变化前后最大的保存
    int maxSum = windowSum;
    for(int right = k ; right < len ; right++){
      windowSum = windowSum + nums[right] - nums[right - k];
      maxSum=Math.max(maxSum,windowSum);
    }
    return (double) maxSum / k;
}

5.2.最长连续递增序列

给定一个未经排序的整数数组，找到最长且连续递增的子序列，并返回该序列的长度。

示例 1：

输入：nums = [1,3,5,4,7]

输出：3

解释：最长连续递增序列是 [1,3,5], 长度为3。尽管 [1,3,5,7] 也是升序的子序列, 但它不是连续的，因为 5 和 7 在原数组里被 4 隔开。

示例 2：

输入：nums = [2,2,2,2,2]

输出：1

解释：最长连续递增序列是 [2], 长度为1。

思路：如果当前遍历到的元素比它左边的那一个元素要大，right就增加；否则就将left跳到right的起始位置，重新开始计算。

public int findLengthOfLCIS(int[] nums) {
  int left=0,right=0;
  int res=0;
  while(right < nums.length){
      //右侧的新元素比左侧小，则重新开始记录left的位置
      if(right > 0 && nums[right - 1] >= nums[right]){
          left = right;
      }
      right++;
      res=Math.max(res,right - left);
  }
  return res;
}

本题还有多种解法，另外一种思路是一边遍历，一边统计每个递增区间的长度，如果长度超过之前所有区间的长度，就将其保留，代码如下：

public int findLengthOfLCIS(int[] nums) {
   int curLen = 1;//当前递增区间的长度
   int res = 1;
   for(int i = 1;i < nums.length;i++){
       if(nums[i - 1] >= nums[i]){
           //不满足要求，重新进行数字计算
           curLen = 1;
       }else{
           curLen++;
       }
       res = Math.max(curLen,res);
   }
   return res;
}

5.3.贪吃的猴子

一只贪吃的猴子，来到一个果园，发现许多串香蕉排成一行，每串香蕉上有若干根香蕉。每串香蕉的根数由数组numbers给出。猴子获取香蕉，每次都只能从行的开头或者末尾获取，并且只能获取N次，求猴子最多能获取多少根香蕉。

输入描述
第一行为数组numbers的长度
第二行为数组numbers的值每个数字通过空格分开
第三行输入为N，表示获取的次数

输出描述
按照题目要求能获取的最大数值
示例1
输入
7
1 2 2 7 3 6 1
3

输出
10
示例2
输入
3
1 2 3
3

输出
6

说明
全部获取所有的香蕉，因此最终根数为1+2+3 = 6
示例3
输入
4
4 2 2 3
2

输出
7

说明
第一次获取香蕉为行的开头，第二次获取为行的末尾，因此最终根数为4+3 =7
备注
1<= numbers.length <= 100000
1<= numbers <= 100
1 <= N <= numbers.length

解题思路:
双指针的思路是通过两个指针（在这里是 l 和 r）从两端向中间移动，通过不断的调整两边的元素选取个数，找到最佳结果。在这个问题中，通过调整左右两边的选取次数，计算获取香蕉的总数，这个时候的滑动窗口大小就是numbers-N，从后往前移动这个窗口，求出最优解

#include <iostream>
#include <vector>

using namespace std;

int main() {
    int n;
    cin >> n;
    vector<int> numbers(n);
    for(int i=0; i<n; i++) cin >> numbers[i];

    int N;
    cin >> N;
    int tot = 0;
    for(int i=0; i<N; i++) tot += numbers[i];

    int rs = tot;

    int l = N-1, r = n-1;
    while(l >= 0) {
        tot += numbers[r--] - numbers[l--];
        rs = max(rs, tot);
    }

    cout << rs << endl;

    return 0;
}

可见就算不知道滑动窗口我们也能解决，所以滑动窗口就是个名字，不要被这些概念吓到。