滑动窗口
滑动窗口基本思想
滑动窗口本质上是一种“快慢型”的双指针。在计算机网络课程中,我们接触过滑动窗口协议(Sliding Window Protocol),该协议是TCP实现流量控制等的核心策略之一。除此之外,在于流量控制、熔断、限流、超时等场景下都会首先从滑动窗口的角度来思考问题,例如hystrix、sentinel等框架都使用了这种思想。
滑动窗口的思想非常简单,如下图所示,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一走。
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。
从上图可以看到,所谓窗口就是建立两个索引,left和right,并且保持{left,right}之间一共有3个元素,然后一边遍历序列,一边寻找。
-
**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。窗口大小可能固定,也可能变化,如果是固定大小的,那么自然要先确定窗口是否越界,再执行逻辑处理。如果不是固定的,就要先判断是否满足要求,再执行逻辑处理。
-
**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。当变量移动的时候,其中间的元素必然会发生变化,因此产生了不断滑动的效果。
-
窗口的大小不一定是固定的。
滑动窗口思想运用示例
子数组最大平均数
LeetCode643. 给定n个整数,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。
这是典型的滑动窗口,大小都规定了,就是K,那我们只要先读取k个,然后逐步让窗口向前走就可以了。
public static double findMaxAverage(int[] nums, int k) {
int len = nums.length;
int windowSum = 0;
if (k > nums.length || nums.length < 1 || k < 1) {
return 0;
}
// 第一步:先求第一个窗口的和
for (int i = 0; i < k; i++) {
windowSum += nums[i];
}
// 第二步:遍历,每次右边增加一个,左边减去一个,重新计算窗口最大值
int res = windowSum;
for (int right = k; right < len; right++) {
windowSum += nums[right] - nums[right - k];
res = Math.max(res, windowSum);
}
return (double) res / k;
}
最长连续递增序列
LeetCode674. 给定一个未经排序的整数数组,找到最大且连续递增的子序列,并返回该序列的长度。
这个也是运用了滑动窗口的思想,不过窗口的长度是变化的。
在遍历的时候,我们可以从第2个元素开始,先定义[left, right)的区间来表示当前的递增区间,执行如下操作:
- 如果当前遍历到的元素比它左边的那一个元素要严格大,right就增加;
- 否则就将left跳到right的起始位置,重新开始计算。
public static 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的小,则重新开始记录left位置
if (right > 0 && nums[right - 1] >= nums[right]) {
left = right;
}
right++;
res = Math.max(res, right - left);
}
return res;
}
序列在[left, right)严格单调递增,区间的长度为right - left。