算法实例
1208. 尽可能使字符串相等
给你两个长度相同的字符串,s 和 t。
将 s 中的第 i 个字符变到 t 中的第 i 个字符需要 |s[i] - t[i]| 的开销(开销可能为 0),也就是两个字符的 ASCII 码值的差的绝对值。
用于变更字符串的最大预算是 maxCost。在转化字符串时,总开销应当小于等于该预算,这也意味着字符串的转化可能是不完全的。
如果你可以将 s 的子字符串转化为它在 t 中对应的子字符串,则返回可以转化的最大长度。
如果 s 中没有子字符串可以转化成 t 中对应的子字符串,则返回 0。
示例 1:
输入:s = "abcd", t = "bcdf", cost = 3
输出:3
解释:s 中的 "abc" 可以变为 "bcd"。开销为 3,所以最大长度为 3。
示例 2:
输入:s = "abcd", t = "cdef", cost = 3
输出:1
解释:s 中的任一字符要想变成 t 中对应的字符,其开销都是 2。因此,最大长度为 1。
示例 3:
输入:s = "abcd", t = "acde", cost = 0
输出:1
解释:你无法作出任何改动,所以最大长度为 1。
代码
由于 diff
的的每个元素都是非负的,因此可以用滑动窗口的方法得到符合要求的最长子数组的长度。
滑动窗口的思想是,维护两个指针 start
和 end
表示数组 diff
的子数组的开始下标和结束下标,满足子数组的元素和不超过 maxCost
,子数组的长度是 end−start+1
。初始时,start
和 end
的值都是 0
。
另外还要维护子数组的元素和 sum
,初始值为 0
。在移动两个指针的过程中,更新 sum
的值,判断子数组的元素和是否大于 maxCost
,并决定应该如何移动指针。
为了得到符合要求的最长子数组的长度,应遵循以下两点原则:
-
当
start
的值固定时,end
的值应尽可能大; -
当
end
的值固定时,start
的值应尽可能小。
基于上述原则,滑动窗口的做法如下:
-
- 将
diff[end]
的值加到sum
;
- 将
-
- 如果
sum≤maxCost
,则子数组的元素和不超过maxCost
,使用当前子数组的长度end−start+1
更新最大子数组的长度;
- 如果
-
- 如果
sum>maxCost
,则子数组的元素和大于maxCost
,需要向右移动指针start
并同时更新sum
的值,直到sum≤maxCost
,此时子数组的元素和不超过maxCost
,使用子数组的长度end−start+1
更新最大子数组的长度;
- 如果
-
- 将指针 end 右移一位,重复上述步骤,直到 end 超出数组下标范围。
遍历结束之后,即可得到符合要求的最长子数组的长度,即字符串可以转化的最大长度。
var equalSubstring = function(s,t,maxCost){
const n = s.length;
const diff = new Array(n).fill(0);
for(let i=0;i<n;i++){
diff[i] = Math.abs(s[i].charCodeAt()-t[i].charCodeAt());
}
let maxLength = 0;
let start = 0, end = 0;
let sum = 0;
while(end<n){
sum+=diff[end]; // 向右移动 加入差值
while(sum>maxCost){ //超出最大的允许值
执行上面的3
sum -=diff[start]; // start往前移动 减去前面的差值
start++; // 向前移动
}
maxLength = Math.max(maxLength,end-start+1);
end++;
}
return maxLength;
};
复杂度分析
-
时间复杂度:
O(n)
,其中 n 是字符串的长度。
计算数组diff
的时间复杂度是O(n)
。
遍历数组的过程中,两个指针的移动次数都不会超过n
次。
因此总时间复杂度是O(n)
。 -
空间复杂度:
O(n)
,其中n
是字符串的长度。需要创建长度为n
的数组diff
。
cubic算法
https://blog.csdn.net/dog250/article/details/53013410
参考
1.滑动窗口算法基本原理与实践(https://www.cnblogs.com/huansky/p/13488234.html)