无重复的最长子串 — 滑动窗口
题目描述 : 给定一个字符串,请你找出其中不含有重复字符的 最长子串 的长度。
示例1
输入: “abcabcbb”
输出: 3
解释: 因为无重复字符的最长子串是 “abc”,所以其长度为 3。
示例2
输入: “bbbbb”
输出: 1
解释: 因为无重复字符的最长子串是 “b”,所以其长度为 1。
示例3
输入: “pwwkew”
输出: 3
解释: 因为无重复字符的最长子串是 “wke”,所以其长度为 3。
请注意,你的答案必须是 子串 的长度,“pwke” 是一个子序列,不是子串。
解题思路:
方法一:滑动窗口
通过使用 Set 作为滑动窗口,我们可以用 O(1)的时间来完成对字符是否在当前的子字符串中的检查。
滑动窗口是数组/字符串问题中常用的抽象概念。 窗口通常是在数组/字符串中由开始和结束索引定义的一系列元素的集合,即 [i, j)(左闭,右开)。而滑动窗口是可以将两个边界向某一方向“滑动”的窗口。例如,我们将 [i, j) 向右滑动 11 个元素,则它将变为 [i+1, j+1)(左闭,右开)。
回到我们的问题,我们使用 Set 将字符存储在当前窗口 [i, j)(最初 j = i)中。 然后我们向右侧滑动索引 jj,如果它不在 Set 中,我们会继续滑动 j。直到 s[j] 已经存在于 Set 中。此时,我们找到的没有重复字符的最长子字符串将会以索引 i 开头。如果我们对所有的 i 这样做,就可以得到答案。
class Solution {
public:
int lengthOfLongestSubstring(string s) {
int res = 0;
set<char> st;
int i = 0, j = 0, n = s.size();
while(i < n && j < n){
//如果已经含有该字符,删除第一位字符
if(st.find(s[j]) != st.end()){
st.erase(s[i++]);
}
//如果不含有该字符,将该字符插入set集合中,记录最大值
else{
st.insert(s[j++]);
res = max(res, j-i);
}
}
return res;
}
};
复杂度分析
时间复杂度:O(2n) = O(n),在最糟糕的情况下,每个字符将被 i 和 j 访问两次。
空间复杂度:O(min(m, n)) 。 滑动窗口法需要 O(k) 的空间,其中 k 表示 Set 的大小。而 Set 的大小取决于字符串 n 的大小以及字符集的大小。
方法二:优化的滑动窗口
上述的方法最多需要执行 2n 个步骤。事实上,它可以被进一步优化为仅需要 n 个步骤。我们可以定义字符到索引的映射,而不是使用集合来判断一个字符是否存在。 当我们找到重复的字符时,我们可以立即跳过该窗口。
class Solution
{
public:
int lengthOfLongestSubstring(string s)
{
//s[start,end) 前面包含 后面不包含
int start(0), end(0), length(0), result(0);
int sSize = int(s.size());
unordered_map<char, int> hash;
while (end < sSize)
{
char tmpChar = s[end];
//仅当s[start,end) 中存在s[end]时更新start
if (hash.find(tmpChar) != hash.end() && hash[tmpChar] >= start)
{
start = hash[tmpChar] + 1;
length = end - start;
}
hash[tmpChar] = end;
end++;
length++;
result = max(result, length);
}
return result;
}
};
复杂度分析
时间复杂度:O(n),索引 j 将会迭代 n 次。
空间复杂度(HashMap):O(min(m, n)),与之前的方法相同。
空间复杂度(Table):O(m),m 是字符集的大小。