LetCode算法,ChatGPT来救场(今日一学-无重复字符的最长子串)

众所周知ChatGPT是一种大型语言模型，使用深度学习技术学习大量的语料库，从而模仿人类语言和思维方式，回答用户的问题
我们那他来辅助letcode刷题，有答疑还有详细的解释，岂不美哉。

题目描述 来自letcode
给定一个字符串 s ，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: s = "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: s = "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: s = "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。
请注意，你的答案必须是 子串 的长度，"pwke" 是一个子序列，不是子串。
提示：
0 <= s.length <= 5 * 104
s 由英文字母、数字、符号和空格组成

ChatGPT

好的，这个问题可以用滑动窗口（Sliding Window）算法来解决。具体思路如下：

1.定义两个指针left和right，分别指向最长子串的左右边界，初始值都为0。

2.遍历字符串s，每次将right指针向右移动一位，并判断移动后的子串是否有重复字符。如果没有重复字符，则更新最长子串的长度，并将right指针向右移动；如果有重复字符，则将left指针向右移动一位，并重新判断子串是否有重复字符。

3.重复第2步，直到right指针遍历完整个字符串s。

下面是Python代码实现：

def lengthOfLongestSubstring(s):
    n = len(s)
    hash_set = set()
    max_len = 0
    left = 0
    right = 0
    while right < n:
        if s[right] not in hash_set:
            hash_set.add(s[right])
            right += 1
            max_len = max(max_len, right - left)
        else:
            hash_set.remove(s[left])
            left += 1
    return max_len

在代码实现中，我们使用了一个集合（Set）来存储当前子串中的字符。每次遍历时，我们将右指针向右移动一位，并判断右指针所指向的字符是否在集合中。如果不在集合中，将该字符加入集合中，并更新最长子串的长度；如果在集合中，将左指针向右移动一位，并将集合中对应的字符删除。

如果您理解了这个问题的解决方案，可以尝试解决LeetCode上的另一个问题：最小覆盖子串。这个问题是在给定两个字符串s和t的情况下，在s中找到包含t所有字符的最短子串。您可以使用类似的方法解决这个问题。

解释说明

使用滑动窗口算法来解决这道问题的原因是，我们需要在一个字符串中找出一个最长的不包含重复字符的子串，因此我们可以用滑动窗口算法来维护一个窗口，使得窗口中的字符串满足条件（即不包含重复字符）。

滑动窗口算法是一种在字符串或数组上快速寻找特定模式的算法，它通过维护一个窗口，每次移动窗口的左右指针，来寻找符合特定条件的子串或子数组。具体来说，滑动窗口算法分为以下几个步骤：

1.定义两个指针left和right，分别指向最长子串的左右边界，初始值都为0。

2.向右移动right指针，并检查当前窗口中的子串是否满足条件。如果不满足条件，则左移left指针，缩小窗口，直到满足条件为止。

3.重复步骤2，直到right指针到达字符串的末尾。

因为滑动窗口算法每次都只需要移动一个指针，因此时间复杂度是O(n)，比暴力枚举的时间复杂度O(n^2)更优。因此，当需要在一个字符串或数组中寻找某个特定模式时，可以尝试使用滑动窗口算法。

每日一学结束