滑动窗口是一种常用的算法技巧,通常用于解决数组或字符串的子串或子数组的问题。它的基本思想是维护一个可变大小的窗口,通过滑动窗口来确定问题的解。
滑动窗口算法的一般步骤如下:
- 初始化窗口的左边界和右边界,通常初始化为数组的开始位置。
- 不断移动窗口的右边界,直到满足某个条件,比如出现重复元素或窗口内的元素符合某个约束条件。
- 当满足条件时,考虑缩小窗口的左边界。如果窗口内的元素不再满足约束条件,继续移动右边界扩大窗口。
- 重复步骤2和3,直到窗口的右边界达到数组的末尾。
滑动窗口算法的时间复杂度通常是O(N),其中N是数组或字符串的长度。它的优势在于可以在一次遍历中解决问题,而不需要使用嵌套循环。常见的问题类型如下:
- 最小/最大子数组或子串:在给定数组或字符串中找到具有最小/最大长度的满足某个条件的连续子数组或子串。
- 子数组或子串的平均值:在给定数组或字符串中找到具有最大/最小平均值的满足某个条件的连续子数组或子串。
- 找到具有给定长度的子数组或子串:在给定数组或字符串中找到具有给定长度的满足某个条件的连续子数组或子串。
滑动窗口算法的应用非常广泛,能够解决很多实际问题,比如字符串匹配、字符串压缩、求解最长连续递增子序列等。
public static void slidingWindow(String s, String t) {
HashMap<Character, Integer> need = new HashMap<>();
HashMap<Character, Integer> window = new HashMap<>();
for (char c : t.toCharArray()) {
need.put(c, need.getOrDefault(c, 0) + 1);
}
int left = 0, right = 0;
int valid = 0;
while (right < s.length()) {
// c 是将移入窗口的字符
char c = s.charAt(right);
// 右移窗口
right++;
// 进行窗口内数据的一系列更新
// ...
/*** 调试输出 ***/
System.out.println("window: [" + left + ", " + right + ")");
/********************/
// 判断左侧窗口是否要收缩
while (/* 窗口需要收缩 */) {
// d 是将移出窗口的字符
char d = s.charAt(left);
// 左移窗口
left++;
// 进行窗口内数据的一系列更新
// ...
}
}
}
题目实战
题目要求:
1.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。
解题思路:
定义一个窗口记录字符出现的次数。当 window.get© 值⼤于 1 时,说明窗口中存在重复字符,不符合条件,就该移动 left 缩小窗口了。
高效解决这道题就要用到快慢指针技巧:
另外,要在收缩窗口完成后更新 res,因为窗口收缩的 while 条件是存在重复元素,换句话说收缩完成后⼀定保证窗口中没有重复。
int lengthOfLongestSubstring(String s) {
char[] chars = s.toCharArray();
Map<Character, Integer> window = new HashMap<>();
int left = 0, right = 0;
int res = 0; // 记录结果
while (right < s.length()) {
char c = chars[right];
right++;
// 当前字符出现次数+1
window.put(c, window.getOrDefault(c, 0) + 1);
// 当发现当前字符 c 已经出现过(即其出现次数大于1)
// 收缩左窗口,直到窗口内不包含重复字符为止
while (window.get(c) > 1) {
char d = chars[left];
left++;
// 将其出现次数减1,
window.put(d, window.getOrDefault(d, 0)-1);
}
// 在这⾥更新答案
res = Math.max(res, right - left);
}
return res;
}
438. 找到字符串中所有字母异位词
给定两个字符串 s 和 p,找到 s 中所有 p 的异位词子串,返回这些子串的起始索引。不考虑答案输出的顺序。
异位词指由相同字母重排列形成的字符串(包括相同的字符串)。
解题思路:
所谓异位词就是指定字符串的排列。定义以p为基础的填充数组,滑动窗口,找到符合要求的就记录位置,不断滑动窗口寻找满足条件的数据。
public List<Integer> findAnagrams(String s, String p) {
int sLen = s.length();
int pLen = p.length();
if (sLen < pLen) {
return new ArrayList<>();
}
List<Integer> ans = new ArrayList<>();
int[] sCount = new int[26];
int[] pCount = new int[26];
for (int i = 0; i < p.length(); i++) {
++sCount[s.charAt(i) - 'a'];
++pCount[p.charAt(i) - 'a'];
}
// 检查 s 中的初始窗口是否为 p 的字母异位词
if (Arrays.equals(sCount, pCount)) {
ans.add(0);
}
// 移动 s 中的窗口并检查字母异位词
// 循环遍历从索引 0 到 sLen - pLen 的字符串 s。这确保了滑动窗口不会超出 s 的末尾。
for (int i = 0; i < sLen - pLen; ++i) {
// 减少正在离开窗口的字符的计数
char c = s.charAt(i);
int i1 = c - 'a';
--sCount[i1];
//增加正在进入窗口的字符的计数
char c1 = s.charAt(i + pLen);
int i2 = c1 - 'a';
++sCount[i2];
if (Arrays.equals(sCount, pCount)) {
ans.add(i + 1);
}
}
return ans;
}
单个窗口写法
public List<Integer> findAnagrams(String s, String p) {
List<Integer> ans = new ArrayList<>();
// 初始化一个数组来统计字符串 p 中每个字符的出现次数
int[] cnt = new int[26];
for(int i = 0; i < p.length(); i++){
cnt[p.charAt(i) - 'a']++;
}
// l 和 r 分别表示滑动窗口的左右边界
int l = 0;
for(int r = 0; r < s.length(); r++){
// 更新当前窗口中字符的计数数组
cnt[s.charAt(r) - 'a']--;
// 从左侧收缩窗口,直到当前字符的计数在限定范围内
while(cnt[s.charAt(r) - 'a'] < 0){
cnt[s.charAt(l) - 'a']++;
l++;
}
// 检查当前窗口大小是否等于字符串 p 的大小
if(r - l + 1 == p.length()){
ans.add(l);
}
}
return ans;
}
567. 字符串的排列
给你两个字符串 s1 和 s2 ,写一个函数来判断 s2 是否包含 s1 的排列。如果是,返回 true ;否则,返回 false 。
换句话说,s1 的排列之一是 s2 的 子串 。
解题思路:
和438题类型,只是输出的结果不同。
public boolean checkInclusion(String s, String p) {
// 初始化一个数组来统计字符串 p 中每个字符的出现次数
int[] cnt = new int[26];
for(int i = 0; i < p.length(); i++){
cnt[p.charAt(i) - 'a']++;
}
// l 和 r 分别表示滑动窗口的左右边界
int l = 0;
for(int r = 0; r < s.length(); r++){
// 更新当前窗口中字符的计数数组
cnt[s.charAt(r) - 'a']--;
// 从左侧收缩窗口,直到当前字符的计数在限定范围内
while(cnt[s.charAt(r) - 'a'] < 0){
cnt[s.charAt(l) - 'a']++;
l++;
}
// 检查当前窗口大小是否等于字符串 p 的大小
if(r - l + 1 == p.length()){
return true;
}
}
return false;
}
[76. 最小覆盖子串]https://leetcode.cn/problems/minimum-window-substring/description/)
题目要求:
给你一个字符串 s 、一个字符串 t 。返回 s 中涵盖 t 所有字符的最小子串。如果 s 中不存在涵盖 t 所有字符的子串,则返回空字符串 “” 。
解题思路:
比前面的复杂的地方在于寻找的是最优的解,所以必须在满足的基础上进行局部的代码判断。
需要定义字符串的开始start和长度len,在左侧搜索窗口的的同时更新start和len。
public String minWindow(String s, String t) {
char[] sArray = s.toCharArray();
// 初始化需要的字符
Map<Character, Integer> needs = new HashMap<>();
Map<Character, Integer> window = new HashMap<>();
for (char ch : t.toCharArray()) {
needs.put(ch, needs.getOrDefault(ch, 0) + 1);
}
// 窗口左边界
int left = 0;
// 窗口右边界
int right = 0;
// 满足个数
int valid = 0;
// 记录最⼩覆盖⼦串的起始索引及⻓度
int start = 0, len = Integer.MAX_VALUE;
while (right < s.length()) {
char c = sArray[right];
// 右移窗口
right++;
// 如果是需要的字符串,放到窗口并计数。
if (needs.containsKey(c)) {
window.put(c, window.getOrDefault(c, 0) + 1);
// 个数相等,满足+1
if (window.get(c).equals(needs.get(c))) {
valid++;
}
}
// 判断左侧窗⼝是否要收缩
while (valid == needs.size()) {
if (right - left < len) {
start = left;
len = right - left;
}
char d = sArray[left];
left++;
if (needs.containsKey(d)) {
window.put(d, window.getOrDefault(d, 0) - 1);
if (window.get(d).equals(needs.get(d))) {
valid--;
}
}
}
}
// 返回最⼩覆盖⼦串
return len == Integer.MAX_VALUE ? "" : s.substring(start, start + len);
}