leetcode 题目3 无重复的最长子串 滑动窗口法

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。