LeetCode 76 最小覆盖字串

LeetCode 76 最小覆盖字串

在本篇博客中，我们将探讨LeetCode上的一道算法题目——“最小覆盖子串”。这道题的主要目标是找到字符串s中包含字符串t中所有字符的最小子串。

问题描述

给定字符串s和t，要求在字符串s中找到一个最小的子串，使得这个子串包含了字符串t中所有的字符。如果不存在这样的子串，返回空字符串""。

解题思路

要解决这个问题，我们可以使用滑动窗口的方法。滑动窗口是一种经典的算法思想，在处理子串、子数组等问题时非常有效。

具体地，我们可以按照以下步骤进行：

1. 创建两个哈希表，一个用于存储字符串t中每个字符的出现次数，另一个用于存储当前窗口中每个字符的出现次数。
2. 使用两个指针，j指向窗口的左边界，i指向窗口的右边界 j和i初始化为0。
3. 遍历字符串s，移动i。
4. 缩小窗口，移动j，尽量减小窗口大小同时保证包含字符串t中所有字符。
5. 在遍历过程中，更新最小子串的起始位置和长度。

实现代码

class Solution {
public:
    string minWindow(string s, string t) {
        unordered_map<char, int> map, _map;
        string result;

        // 将要查找的字符放入到哈希表中
        for (auto i : t) map[i]++;

        // j左 i右
        for (int i = 0, j = 0, count = 0; i < s.length(); i++) {
            // 如果_map中加入字符后数量没有超过map，说明是一个有效字符
            if (++_map[s[i]] <= map[s[i]]) count++;

            // 缩小窗口
            while (_map[s[j]] > map[s[j]]) _map[s[j++]]--;

            // 当窗口包含了t中所有字符时，更新最小子串
            if (count == t.length()) {
                if (result.empty() || result.size() > i - j + 1)
                    result = s.substr(j, i - j + 1);
            }
        }

        return result;
    }
};

复杂度分析

时间复杂度分析

• 遍历字符串s： 算法的主要部分是对字符串s进行一次线性遍历，因此时间复杂度为O(n)，其中n是字符串s的长度。
• 内部循环： 内部循环中包含了两个指针的移动，它们的时间复杂度取决于指针的移动次数。在最坏情况下，每个指针都可能移动n次，因此内部循环的时间复杂度也是O(n)。
• 哈希表操作： 哈希表的操作在最坏情况下可以达到O(1)的时间复杂度，因此哈希表的操作不会对总体复杂度造成影响。

综上所述，算法的时间复杂度为O(n)。

空间复杂度分析

• 哈希表的空间复杂度： 算法中使用了两个哈希表，它们存储的键值对数量不会超过字符串t的长度，因此哈希表的空间复杂度为O(|t|)，其中|t|是字符串t的长度。
• 额外空间： 除了哈希表之外，算法只使用了常数级别的额外空间，因此不会对总体空间复杂度造成影响。

综上所述，算法的空间复杂度为O(|t|)。

总结

本文介绍了如何利用滑动窗口的思想解决LeetCode中的"最小覆盖子串"问题。通过使用两个哈希表记录字符出现次数，以及通过移动左右指针来确定子串的位置，我们可以高效地找到问题的解决方案。滑动窗口是一种在处理子串问题时非常有用的算法思想，可以帮助我们解决各种相关的问题。