最近看到一个985毕业5年的同学在跳槽投简历的时候也遇到这种情况,从帖子能看出这位同学是很不服气的,怀疑自己学校不是c9简历才没过。
简历过不了大概率就是工作经验跟岗位不匹配,大厂社招并不是统一招聘的,都是每个部门单独招聘,建议这位同学多投几个部门试试。
言归正传,我们今天分享一道米哈游面试原题「无重复字符的最长子串」。
题目描述
给定一个字符串 s
,请你找出其中不含有重复字符的 最长子串 的长度。
输入:一个字符串s
输出:s的无重复字符最长子串的长度
举例:s = "abcabcbb", 那么其无重复字符的最长子串为"abc", 所以返回值是3。
思路解析
基本上有点编程基础的同学都能想到一种暴力的算法,两个for
循环找出所有的子串,针对每个子串去判断是否有重复字符,这样的时间复杂度太高了,很显然这并不是面试官想要的答案。
下面介绍一种基于 滑动窗口 的方式来解此题。所谓滑动窗口,其实就是由两个索引维护一个区间,满足一定条件时会动态的去调整这个区间。非常像计算机网络里面tcp
协议栈里所用到的滑动窗口算法。这里的两个索引的决定了滑动窗口的起点和终点,始终保持滑动窗口中的元素是不重复的,这题就变成了找到包含非重复元素的最长窗口。
定义left = 0
, right = 0
,结果保存到res
, 统计窗口中字符的集合u_set
,区间[left, right]
即滑动窗口的区间。
问题的关键就是左右边界如何滑动,窗口滑动策略如下:
-
如果
s[right]
不在u_set
中,把s[right]
加入到u_set
中并更新结果res = max(res, right - left + 1)
,right
向右滑动,直到s[right]
在u_set
中。 -
如果
s[right]
在u_set
中,u_set
删除s[left]
,left
向右滑动,直到s[right]
不在u_set
中。
根据上面的策略我们就可以获得以字符串s
任意位置为右边界(枚举满足条件的右边界)的所有候选窗口,只需要把其中最长的一个窗口的长度返回即可。
看到这里有些同学可能还是不大理解,文字描述的比较抽象,我特意根据一个简单的例子画了个流程图来帮助理解。
比如给定s="abcac"
,其大致流程如图所示:
下面我们给出c++和python两种代码实现。
C++代码
class Solution {
public:
int lengthOfLongestSubstring(string s) {
unordered_set<char> u_set;
int res = 0;
int len = s.length();
int cur_window = 0; //当前窗口大小
for (int left = 0, right = 0; right < len; ++right) {
while (left < right && u_set.count(s[right])) {
//s[right]已经在u_set中,窗口区间[left,right]中存在重复的元素
//移动left直到窗口区间[left,right]中不存在重复元素
u_set.erase(s[left]);
++left;
--cur_window;
}
u_set.insert(s[right]);
++cur_window;
res = max(res, cur_window);
}
return res;
}
};
python代码
class Solution(object):
def lengthOfLongestSubstring(self, s):
"""
:type s: str
:rtype: int
"""
u_set = set()
res = 0
cur_window = 0 # 当前窗口大小
left = 0 # 初始化左指针
for right in range(len(s)):
while left < right and s[right] in u_set:
# s[right] 已经在 u_set 中,窗口区间 [left, right] 中存在重复的元素
# 移动 left 直到窗口区间 [left, right] 中不存在重复元素
u_set.remove(s[left])
left += 1
cur_window -= 1
u_set.add(s[right])
cur_window += 1
res = max(res, cur_window)
return res
复杂度分析
时间复杂度: 不要看到代码用了一个for
嵌套一个while
就以为时间复杂度是O(n2),left
,right
都是不会回头的两个索引,各自最多只遍历一遍字符串,unordered_set
的查找效率一般是O(1),最坏的情况是O(n)这种情况一般是数据量巨大,存在很多哈希冲突,基本上退化成了链表。由于我们字符集大小也就几百个,不会出现这种最坏的情况。故总的时间复杂度为O(n), n
为字符串长度。
空间复杂度: 用了三个int
型变量,一个set
,set
的最大元素个数为字符集的个数,所以空间复杂度为3 * O(1) + O(m) = O(m)
,m
为字符集的大小。
今天的分享就到这里,希望大家能有所收获!