滑动窗口算法(Sliding Window Algorithm)
Sliding window algorithm is used to perform required operation on specific window size of given large buffer or array.
This technique shows how a nested for loop in few problems can be converted to single for loop and hence reducing the time complexity.
该算法是通过使用特定大小的子列表,在遍历完整列表的同时进行特定的操作,以达到降低了循环的嵌套深度。
一、基本示例
如下图所示,设定滑动窗口(window)大小为3,当滑动窗口每次划过数组时,计算当前滑动窗口中元素的和,得到结果res。
理解时可以将数据想象成打孔纸带,滑动窗口便是上面的处理及,每次处理局部数据,进而达到整体数据的处理效果,当然滑动窗口的尺寸可以是固定也可以是动态的,这便需要根据待解决的问题,具体分析。
需要注意的是,滑动窗口算法更多的是一种思想,而非某种数据结构的使用。
二、经典使用
1. 连续元素最大和
题目
给定数组,获取数组中n个连续元素,最大的和。
Input: [-3, 3, 1, -3, 2, 4, 7], n=3
Output: 13
解法及分析
暴力解法
function maxSumSub(arr, n) {
const len = arr.length;
if (n >= len) {
return arr;
}
let maxSum = 0;
for (let i = 0; i + (n - 1) < len; i++) {
let tempSum = arr[i];
for (let j = 1; j < n; j++) {
tempSum += arr[i + j];
}
maxSum = Math.max(maxSum, tempSum);
}
return maxSum;
}
滑动窗口算法
function maxSumSub(arr, n) {
const len = arr.length;
let maxSum = 0;
if (n >= len) {
return arr;
}
for (let i = 0; i < n; i++) {
maxSum += arr[i];
}
let windowSum = maxSum;
for (let i = n; i < len; i++) {
windowSum += arr[i] - arr[i - n];
maxSum = Math.max(maxSum, windowSum);
}
return maxSum;
}
2. 最长无重复子字符串
题目
给定字符串,计算最长子字符串的长度,该子字符串满足如下条件:
- 是给定字符串的子字符串
- 子字符串中无重复字符
Input: "abcabcbb"
Output: 3
解法及分析
详见Longest Substring Without Repeating Characters
三、参考资料
Sliding Window Algorithm(滑动窗口算法)分析与实践