1 不固定窗口大小:
应用:求满足条件X的区间的最小长度
实现原理:给定left和right指针,初始值为0,然后在数组或字符串上构建满足条件X的窗口。先使right右移直到满足条件X,即可以得到一种结果;然后使left右移,观察窗口中的元素是否仍然满足条件X,若满足,则又得到一种结果,若不满足,则停止left移动,使right右移,继续寻找满足条件X的结果;如此循环,直到right右移到数组或字符串尾部为止。
给定一个含有 n 个正整数的数组和一个正整数 target 。
找出该数组中满足其和 ≥ target 的长度最小的 连续子数组 [numsl, numsl+1, ..., numsr-1, numsr] ,并返回其长度。如果不存在符合条件的子数组,返回 0 。
示例 1:
输入:target = 7, nums = [2,3,1,2,4,3]
输出:2
解释:子数组 [4,3] 是该条件下的长度最小的子数组。
示例 2:
输入:target = 4, nums = [1,4,4]
输出:1
示例 3:
输入:target = 11, nums = [1,1,1,1,1,1,1,1]
输出:0
提示:
1 <= target <= 109
1 <= nums.length <= 105
1 <= nums[i] <= 105
代码实现:
class Solution {
public int minSubArrayLen(int target, int[] nums) {
int n = nums.length;
if (target == 0 || nums == null || n == 0) {
return 0;
}
int min = Integer.MAX_VALUE;
int left = 0;
int right = 0;
int sum = 0;
while (right < n) {
sum += nums[right];//累加窗口值
while (sum >= target) {//当窗口中的值和大于target
min = Math.min(min, right - left + 1);//记录此时窗口大小
//减去窗口left位置的值,继续判断窗口中的值和是否大于target
//大于就更新结果,否则就让right右移,添加下一个元素到窗口中
sum -= nums[left++];
}
right++;
}
return min == Integer.MAX_VALUE ? 0 : min;
}
}
2 固定窗口大小:
应用:滑动窗口能够返回当前窗口包含的值中的最大值(最小值)。
实现原理:使用双端链表Q(LinkedList是双端链表)实现,L和R代表窗口的左右边界,初始值都为-1;双端链表需要维持里面的数从大到小排序,保证L < R的情况下,L和R可以向右滑动;当R滑动时,若给出的值a大于Q右出口的值,就弹出Q右出口的值,一直做弹出操作,直到a的值小于Q右出口的值或Q中无值,就把a压入队列;当L滑动时,需要判断当前过期的值b是不是Q左出口的最大值,若是,将其弹出,否则,不做任何操作。取L…R上的最大值时,返回Q左出口的最大值。
查询某个窗口下的最大值的平均时间复杂度:O(1),原始遍历方法的时间复杂度O(N)。
例题:
代码实现:
public int[] getWindowMax(int[] arr,int w){
if (arr == null || w < 1 || arr.length < w){
return null;
}
int[] res = new int[arr.length - w + 1];
LinkedList<Integer> linkedList = new LinkedList<>();//存储下标值
int index = 0;
for (int i = 0; i < arr.length; i++){
//R向右滑动
while (!linkedList.isEmpty() && arr[linkedList.peekLast()] < arr[i]){
linkedList.pollLast();
}
//队列空或找到大于arr[i]的位置
//从右侧插入
linkedList.addLast(i);
//L向右滑动
if (i - w >= 0){
//若过期位置(i - w)的值是窗口中最大值,则删掉
if (arr[i - w] == arr[linkedList.peekFirst()]){
linkedList.pollFirst();
}
}
//窗口形成
if (i + 1 - w >= 0){
//打印窗口中的值
for (int j : linkedList){
System.out.print(arr[j]);
}
System.out.println();
//取窗口中最大值
res[index++] = arr[linkedList.peekFirst()];
}
}
return res;
}