滑动窗口算法通用思想:
什么是滑动窗口?
其实就是一个队列,比如例题中的 abcabcbb,进入这个队列(窗口)为 abc 满足题目要求,当再进入 a,队列变成了 abca,这时候不满足要求。所以,我们要移动这个队列!
如何移动?
我们只要把队列的左边的元素移出就行了,直到满足题目要求!一直维持这样的队列,找出队列出现最长的长度时候,求出解!
滑动窗口算法的思路是这样:
- 我们在字符串 S 中使用双指针中的左右指针技巧,初始化 left = right = 0,把索引闭区间 [left, right] 称为一个「窗口」。
- 我们先不断地增加 right 指针扩大窗口 [left, right],直到窗口中的字符串符合要求(包含了 T 中的所有字符)。
- 此时,我们停止增加 right,转而不断增加 left 指针缩小窗口 [left, right],直到窗口中的字符串不再符合要求(不包含 T 中的所有字符了)。同时,每次增加 left,我们都要更新一轮结果。
- 重复第 2 和第 3 步,直到 right 到达字符串 S 的尽头。
这个思路其实也不难,第 2 步相当于在寻找一个「可行解」,然后第 3 步在优化这个「可行解」,最终找到最优解。左右指针轮流前进,窗口大小增增减减,窗口不断向右滑动。
力扣滑动窗口类型集合
1、无重复字符的最长子串 --中等
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。
解答
class Solution {
public:
int lengthOfLongestSubstring(string s) {
if(s.size() == 0) return 0;
unordered_map<char,int> hash(0);
int maxStr = 0;
int left = 0;
for(int i = 0; i < s.size(); i++){
hash[s[i]] ++;
while (hash[s[i]] > 1){
hash[s[left]]--;
left ++;
}
maxStr = max(maxStr,i-left+1);
}
return maxStr;
}
};
2、长度最小的子数组 --中等
给定一个含有 n 个正整数的数组和一个正整数 s ,找出该数组中满足其和 ≥ s 的长度最小的连续子数组。如果不存在符合条件的连续子数组,返回 0。
示例:
输入: s = 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连续子数组。
进阶:
如果你已经完成了O(n) 时间复杂度的解法, 请尝试 O(n log n) 时间复杂度的解法。
class Solution {
public:
int minSubArrayLen(int s, vector<int>& nums) {
if(nums.empty())
return 0;
int left = 0;
int right = 0;
int minLen = INT_MAX;
int val = nums[0];
while(right <= nums.size() - 1)
{
if(val >= s)
{
minLen = min(minLen,right-left+1);
val = val -nums[left];
left++;
}
else
{
right++;
if(right < nums.size())
val = val + nums[right];
}
}
return minLen == INT_MAX ? 0 : minLen;
}
};
3、最小覆盖子串 --困难
给你一个字符串 S、一个字符串 T,请在字符串 S 里面找出:包含 T 所有字母的最小子串。
示例:
输入: S = "ADOBECODEBANC", T = "ABC"
输出: "BANC"
说明:
如果 S 中不存这样的子串,则返回空字符串 “”。
如果 S 中存在这样的子串,我们保证它是唯一的答案。
class Solution {
public:
string minWindow(string s, string t) {
//记录所找出的字串的起始位子和长度
int start = 0,minlen = INT_MAX;
//设置双指针
int left = 0, right = 0;
//使用哈希来判断是否为子串
unordered_map<char,int> window;
unordered_map<char,int> needs;
for(auto s : t)
{
needs[s]++;
}
//匹配计数
int match = 0;
while(right < s.size())
{
char c = s[right];
if(needs.count(c)) //存在c,返回1,否则,返回0
{
window[c]++;
if(window[c] == needs[c])
{
match++;
}
}
right++;
while(match == needs.size())
{
if(right - left < minlen)
{
//更新最小字串的起始位置和长度
start = left;
minlen = right - left;
}
char c1 = s[left];
if(needs.count(c1))
{
window[c1]--;
if(window[c1] < needs[c1])
{
match--;
}
}
left++;
}
}
return minlen == INT_MAX ? "" : s.substr(start,minlen);
}
};
4、串联所有单词的子串 --困难
给定一个字符串 s 和一些长度相同的单词 words。找出 s 中恰好可以由 words 中所有单词串联形成的子串的起始位置。
注意子串要与 words 中的单词完全匹配,中间不能有其他字符,但不需要考虑 words 中单词串联的顺序。
示例 1:
输入:
s = "barfoothefoobarman",
words = ["foo","bar"]
输出:[0,9]
解释:
从索引 0 和 9 开始的子串分别是 "barfoo" 和 "foobar" 。
输出的顺序不重要, [9,0] 也是有效答案。
示例 2:
输入:
s = "wordgoodgoodgoodbestword",
words = ["word","good","best","word"]
输出:[]
class Solution {
public:
vector<int> findSubstring(string s, vector<string>& words) {
vector<int> result;
if(!words.size())//第一次提交报错,说是vector错了,我以为是return的时候错了,没想到是因为没有判断words这个vector是否为空
return result;
int sSize = s.size();
int wSize = words[0].size();
int wNum = words.size();
map<string, int> wordHash;
map<string, int> subHash;
for(auto it:words)
wordHash[it]++;
for(int i=0;i<=sSize - wSize*wNum;i++){//这里每次滑动一个字母
string subStr = s.substr(i,wSize*wNum);
for(int j=0;j<=wSize*wNum - wSize;j+=wSize){//这里每次滑动一个单词
string tmpWord = subStr.substr(j,wSize);
if(wordHash[tmpWord]==0)//如果tmpWord这个key不存在,则这种访问方式其实是在wordHash里直接创建了一个key为tmpword,value为int的默认值0的pair。在这道题中由于最初的wordHash中不会存在0这个值,所以就可以通过判断key的value是否为0来确定key是否存在于原来的wordHash中。
break;//如果该单词不存在则直接跳出循环
subHash[tmpWord]++;
if(subHash[tmpWord]>wordHash[tmpWord])
break;//如果该单词的出现次数多了,也调出循环。因为单词出现的次数必须完全等于words中的次数
if(j == wSize*wNum - wSize)
result.push_back(i);//如果循环到末尾了,说明这个子序列满足要求(如果到达最后一个,则成功)
}
subHash.clear();
}
return result;
}
};
5、滑动窗口最大值 --困难
给定一个数组 nums,有一个大小为 k 的滑动窗口从数组的最左侧移动到数组的最右侧。你只可以看到在滑动窗口内的 k 个数字。滑动窗口每次只向右移动一位。
返回滑动窗口中的最大值。
进阶:
你能在线性时间复杂度内解决此题吗?
示例:
输入: nums = [1,3,-1,-3,5,3,6,7], 和 k = 3
输出: [3,3,5,5,6,7]
解释:
滑动窗口的位置 最大值
--------------- -----
[1 3 -1] -3 5 3 6 7 3
1 [3 -1 -3] 5 3 6 7 3
1 3 [-1 -3 5] 3 6 7 5
1 3 -1 [-3 5 3] 6 7 5
1 3 -1 -3 [5 3 6] 7 6
1 3 -1 -3 5 [3 6 7] 7
提示:
1 <= nums.length <= 10^5
-10^4 <= nums[i] <= 10^4
1 <= k <= nums.length
class Solution {
public:
vector<int> maxSlidingWindow(vector<int>& nums, int k) {
if(k==0)return {};
vector<int>res;
deque<size_t>window;
/*Init K integers in the list*/
for (size_t i = 0; i < k; i++) {
while (!window.empty() && nums[i] > nums[window.back()]) {
window.pop_back();
}
window.push_back(i);
}
res.push_back(nums[window.front()]);
/*End of initialization*/
for (size_t i = k; i < nums.size(); i++) {
if (!window.empty() && window.front() <= i - k) {
window.pop_front();
}
while (!window.empty() && nums[i] > nums[window.back()]) {
window.pop_back();
}
window.push_back(i);
res.push_back(nums[window.front()]);
}
return res;
}
};
6、字符串的排列 --中等
给定两个字符串 s1 和 s2,写一个函数来判断 s2 是否包含 s1 的排列。
换句话说,第一个字符串的排列之一是第二个字符串的子串。
示例1:
输入: s1 = "ab" s2 = "eidbaooo"
输出: True
解释: s2 包含 s1 的排列之一 ("ba").
示例2:
输入: s1= "ab" s2 = "eidboaoo"
输出: False
class Solution {
public:
bool checkInclusion(string s1, string s2) {
int len1 = s1.size();
int len2 = s2.size();
if(len1 > len2)
return false;
vector<int> needs(26,0),window(26,0);//needs表示s1的字符表,window表示窗口,用来匹配s1的字符表needs
int left = 0, right = 0;
for(auto c : s1)
{
needs[c- 'a'] ++;
window[s2[right++] - 'a'] ++;
}
if(needs == window)
return true;
while(right<s2.size())//开始滑动窗口
{
window[s2[right++]-'a']++;
window[s2[left++]-'a']--;
if(window==needs)return true;
}
return false;
}
};