无重复字符的最长子串
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。
解法一:暴力法解决
暴力解决法就是最简单,最直接的解法。主要思路就是逐个检查每个子串是否含有相同元素。
class Solution {
public int lengthOfLongestSubstring(String s) {
int length = 0;
for (int i = 0 ; i < s.length() ; i++) {
for (int j = i + 1 ; j <= s.length() ; j++) {
if (!haveRepeat(s, i, j)) {
length = Math.max(length, j - i);
}
}
}
return length;
}
/**
* 判断子串中是否存在重复字符
* @param s 字符串
* @param start 子串开始位置
* @param end 子串结束位置
* @return 是否存在重复字符
*/
private boolean haveRepeat(String s, int start, int end) {
Set<Character> set = new HashSet<>();
for (Character ele : s.toCharArray()) {
if (set.contains(ele)) {
return true;
}
set.add(ele);
}
return false;
}
}
时间复杂度:O(n3)
解法二:滑动窗口
我们发现,在暴力法中,我们在反复地检查一个子串中是否有重复值,但是这是没有必要的。在判断出 i 与 j - 1 间的子串 sij 中已无重复值时,我们只需判断 s[j] 是否存在于 sij 中即可。
若只检查一个元素是否存在于子串中,我们可以将上面的暴力法直接优化为一个时间复杂度为 O(n2) 的算法。但是仅仅如此就足够了吗?答案当然是否定的。
我们在这里可以借助HashSet集合来实现滑动窗口,这样就可以将时间复杂度直接降为 O(n) 。
我们的主要思路是检索HashSet做成的滑动窗口(即范围在 [i,j) 的子串)中是否有第 j+1 个元素,若拥有,则改变滑动窗口的左界限,即从HashSet中删去第 i 个元素并向右移动索引 i ,反之移动右界限,即将第 j+1 个元素放入HashSet中并向右移动索引 j 。
public class Solution {
public int lengthOfLongestSubstring(String s) {
int length = 0, i = 0, j = 0;
Set<Character> set = new HashSet<>();
for (int i = 0, j = 0 ; i < s.length() && j < s.length() ; ) {
if (!set.contains(s.charAt(j))) {
set.add(s.charAt(j++));
length = Math.max(length, j - i);
} else {
set.remove(s.charAt(i++));
}
}
return length;
}
}
时间复杂度:O(2n)=O(n)
解法三:滑动窗口plus
滑动窗口在情况最差时需要执行 2n 个步骤。但是它可以被进一步优化为仅需要 n 个步骤的算法。我们可以定义一个字符到索引的映射,而非使用集合来判断。也就是说当我们找到重复元素时,我们即可立即跳过该窗口。
也就是说,如果 s[j] 在 [i,j) 范围内有与 j′ 重复的字符,我们不需要逐渐增加 i 。 我们可以直接跳过 [i,j′] 范围内的所有元素,并将 i 变为 j′+1。
public class Solution {
public int lengthOfLongestSubstring(String s) {
int length = 0;
Map<Character, Integer> map = new HashMap<>();
for (int j = 0, i = 0; j < s.length(); j++) {
if (map.containsKey(s.charAt(j))) {
i = Math.max(map.get(s.charAt(j)), i);
}
length = Math.max(length, j - i + 1);
map.put(s.charAt(j), j + 1);
}
return length;
}
}
时间复杂度:O(n)