【LeetCode刷题笔记】滑动窗口

最新推荐文章于 2024-06-10 23:07:46 发布

川峰

最新推荐文章于 2024-06-10 23:07:46 发布

阅读量230

点赞数

分类专栏： LeetCode刷题笔记文章标签： LeetCode 数据结构与算法滑动窗口计数map 前缀和

本文链接：https://blog.csdn.net/lyabc123456/article/details/134343979

版权

992. K 个不同整数的子数组

解题思路：

滑动窗口 ，题目问题转化为： 求 「最多存在 K 个不同整数的子数组的个数」 与 「最多存在 K - 1 个不同整数的子数组的个数」 之差， 就是题目所求的 「恰好存在 K 个不同整数的子数组的个数」 ，最终问题就变成求解滑动窗口内，以 R 为右边界的、包含 k 个不同整数 的子数组个数，它其实就是窗口区间的长度 R - L + 1 。
注意：这个题没有相关经验根本做不出来，之所以求 最多 而不是求 恰好 ，是因为求 恰好 的话， 左边界 固定时， 右边界是不固定 ，也就是 R可能往回走 ，这样不符合滑动窗口的逻辑，所以求 最多 ，这时 R是固定的，而左边界L也可以向右移动来计算 ，记住， 滑动窗口不能走回头路 。

对于一个固定的左边界来说，满足「恰好存在 K 个不同整数的子区间」的右边界 不唯一，且形成区间。

示例1：左边界固定的时候，恰好存在2个不同整数的子区间为 [1，2]，[1，2，1]，[1，2，1，2] ，总数为 3。其值为下标 3 - 1 + 1，即区间 [1..3] 的长度。

需要找到左边界固定的情况下，满足「恰好存在 K 个不同整数的子区间」最小右边界和最大右边界。对比以前我们做过的，使用双指针解决的问题的问法基本都会出现「最小」、「最大」这样的字眼。

把原问题转换成为容易求解的问题

友情提示：这里把「恰好」转换成为「最多」需要一点求解「双指针（滑动窗口）」问题的经验。建立在熟练掌握这一类问题求解思路的基础上。

把「恰好」改成「最多」就可以使用双指针一前一后交替向右的方法完成，这是因为对于每一个确定的左边界，最多包含 K 种不同整数的右边界是唯一确定的，并且在左边界向右移动的过程中，右边界或者在原来的地方，或者在原来地方的右边。

而「最多存在 K 个不同整数的子区间的个数」与「恰好存在 K 个不同整数的子区间的个数」的差恰好等于「最多存在 K - 1 个不同整数的子区间的个数」。

因此原问题就转换成为求解「最多存在 K 个不同整数的子区间的个数」与「最多存在 K - 1 个不同整数的子区间的个数」，它们其实是一个问题。

如果你单看这个代码，貌似也不是很难，但是本题难的是如何才能想的到用 最多 (K) - 最多 (K - 1) = 恰好 (K) 的思想来解决，我觉得如果不是做过这道题的，应该一般人想不出来。而且还有一个关键的点就是 最多 (K) 的答案就是窗口 [L, R] 区间的长度。这一点也是需要观察出来的。这两个点应该是本题最大的难点了。

注意：上面代码使用的是数组 map 来计数统计的，你也可以直接使用原生的 HashMap，只是代码会稍微更长一些。

30. 串联所有单词的子串

解题思路：

滑动窗口 ，先对 words数组进行词频计数统计 ，记作 wordsMap ，将 words 中每个 单词长度记为 N ， i 遍历 [0, N) 以 每个字符为起始点进行一次滑动窗口遍历 。
窗口的左右边界 L 和 R 起始点从 i 开始， R 每次的步长为一个单词的长度 N ，用一个 windowMap 对窗口内的每个单词进行 词频计数统计，
每次从 R 开始向后截取 长度为 N 的一个单词，然后对该单词用 windowMap 进行计数，每计数一个单词就将总的 匹配数量 matchedCount++ 。
1）如果当前单词词频数 windowMap["curWord"] > wordsMap ["curWord"] ，就不断的循环从窗口 左边界 移出一个长度 N 的单词，对应 windowMap 中的 词频减1 （在移动 L 之前减） ，同时总匹配数量 matchedCount -- ；直到当前单词 在两个map中的词频数相等 为止；
2）如果 当前单词在两个map中的词频数相等 ，这时判断一下如果 总匹配数量 matchedCount == 单词总个数 ，则找到一个解，将 左边界L下标 收集答案即可。

要理解这个算法有两个关键点：一个是 words 数组中的每个单词的词频数和窗口内的词频数必须相等，另一个是窗口内的单词个数必须和 words 数组中的单词个数相等。例如，words=["foo", "bar", "foo"]，某个时刻窗口内是“foofoobar”，此时foo在窗口内出现2次，在words中也出现2次，bar在窗口内出现1次，在words中也出现1次，并且窗口内单词个数是3恰好等于words数组的长度，这就是符合答案要求的一个窗口，记录窗口的左边界即可。

下面是这个算法过程的执行动画示意：

收集答案的时机是：遇到的每个单词在两个词频Map中的计数都相等，并且窗口内单词个数等于words数组的长度时。

这个代码与常规的滑动窗口不同的一个点是在滑窗的 for 循环外面又套了一层 for 循环，常规的滑窗相当于是从左到右执行一趟滑窗算法，而这个题是会执行 N 趟滑窗算法（其中 N 是 words 里每个单词的长度）。

思考：为什么要以长度为 N 的每个字符下标为起始点进行一次滑动窗口遍历？

如果只是从 0 位置开始进行一次滑动窗口遍历( R 步长为 N 、每次从 R 截取长度 N 的单词)，则有可能完全错过正确答案。如下图所示：

如上图所示，上面例子如果只进行一次滑动窗口遍历，则会完美滴错过所有正确答案。为什么会这样呢？这是因为在常规的滑窗算法中，都是逐个遍历字符处理的，R 的步长是 1，但是本题滑窗遍历的步长是一个单词的长度，所以为了不会漏掉答案，就必须以一个单词长度的每个位置为出发点，进行一次滑窗。

763. 划分字母区间

解题思路：

滑动窗口 ，先用一个 Map 记录 s 中 每个字符出现的最远位置下标 ， 然后遍历 s 中的每个字符：
对遇到的每一个字符，尝试将窗口右边界 R 移动到当前 s[i] 字符出现的 最远位置 ，R = max(R, map[s[i]])，
每当 i 追上 R 时（ i==R ），收集答案为窗口长度 R - L + 1 ，此时 [L,R] 范围内的字符都没有超出 R 右边，同时移动 L 到 R 的下一个位置 L = R + 1 。
每次都将 R 更新为当前字符出现最远位置的含义：如果当前字符 a 出现的最远位置在后面，说明后面存在着重复的 a，而题目 要求 是让相同字符只能出现在同一个窗口内，重复的字符不能夸窗口存在，因此需要向右扩充窗口右边界 R ，以便使后面与当前重复的字符被包含进当前窗口内 。

注意：一般的滑动窗口题目是遍历窗口右边界 R++，当满足或不满足某种条件时，收缩左边界 L++，而这个题是遍历每个元素，根据某种条件（最远下标）来移动右边界 R，收集答案后，下一个窗口左边界是从 R + 1 开始的。

剑指 Offer 57 - II. 和为s的连续正数序列

解题思路：

1. 滑动窗口 / 双指针 + 求和公式 ， 初始化 窗口左边界 L = 1， 右边界 R = 2 ，只要 L < R ，就不断的利用等差数列求和公式 s = a1+a2+..+an = n * (a1 + an) / 2 计算出当前 [L..R] 范围内的和， sum = (R - L + 1) * (L + R) / 2 ，
① 如果 sum==target ，将 [L..R] 范围内的数输出到结果中保存，同时向右移动 L 和 R 到下一个位置继续。
② 如果 sum < target ，说明 sum 不够大，向右移动 R 使 sum 变得更大，
③ 如果 sum > target ，说明 sum 太大， 向右移动 L 使用 sum 变得更小。
注意：整个过程中窗口是向右移动的， L 和 R 都是不回退的，当 L ≥ R 时，退出循环，这时无法形成窗口，因为题目要求 至少含有两个数，所以窗口大小至少为2 。

这个题不得不提一下高中学过的一个简单的数学公式：

要不是刷题，我都不记得还学过这个公式。。。

解题思路：

2. 滑动窗口 ， 小优化: 两个超过target一半的数相加肯定会超过target ，所以循环条件可以由 L < R 改为 L ≤ target / 2 ，初始 L = 1，R = 2, sum = 3 ,
① 当 sum==target 时，输出 [L..R] 范围内的数到结果中，然后同时向右移动 L++ 和 R++ ，更新 sum = sum - L + R，
② 当 sum < target 时， 向右移动 R++ ，同时 更新 sum = sum + R，
③ 当 sum > target 时，向右移动 L++ ，同时 更新 sum = sum - L （在移动之前减）。