【转载】滑动窗口算法_自适应滑动窗口-CSDN博客

转自 https://www.zhihu.com/question/314669016

概念

滑动窗口算法可以用以解决数组/字符串的子元素问题，它可以将嵌套的循环问题，转换为单循环问题，降低时间复杂度。

示例1

给定一个整数数组，计算长度为 'k' 的连续子数组的最大总和。

输入：arr [] = {100,200,300,400}
     k = 2

输出：700

解释：300 + 400 = 700

暴力法

我们可以很容易想到暴力法来解决这个问题，使用两个 for 循环来不断查找长度为 k 的最大总和。

JavaScript 示例代码

function maxSum(arr, k) {
  const n = arr.length
  let maxSum = Number.MIN_SAFE_INTEGER;

  for (let i = 0; i < n - k + 1; i++) {
    let currentSum = 0;
    for (let j = 0; j < k; j++) {
      currentSum = currentSum + arr[i + j];
    }

    maxSum = Math.max(currentSum, maxSum);
  }

  return maxSum;
}

因为包含两个 for 循环，它的时间复杂度是 O（k * n）。

滑动窗口算法

滑动窗口算法可以将嵌套的循环问题，转换为单循环问题，降低时间复杂度。

根据示例，当 k 等于 2 时，我们维护一个长度为 2 的窗口。

窗口内的值的和保存在一个变量中；
通过不断的往右滑动来算出当前窗口的值，并与保存的最大值作比较；
当窗口滑动到最右边时终止滑动；

滑动窗口

JavaScript 示例代码

function maxSum(arr, k) {
  const n = arr.length;
  if (n < k) {
    return -1;
  }

  // 计算出第一个窗口的值
  let maxSum = 0;
  for (let i = 0; i < k; i++) {
    maxSum += arr[i];
  }

  let sum = maxSum;
  for (let i = k; i < n; i++) {
    // 新窗口的和 = 前一个窗口的和 + 新进入窗口的值 - 移出窗口的值
    sum += arr[i] - arr[i - k];
    maxSum = Math.max(maxSum, sum);
  }

  return maxSum;
}

我们在一个循环中计算出了长度为 'k' 的子数组的最大总和，它的时间复杂度是 O（n）。我们可以使用滑动窗口算法解决查找最大/最小k子阵列，XOR，乘积，求和等问题。

示例2

给定一个字符串 S 和一个字符串 T，请在 S 中找出包含 T 所有字母的最小子串。(minimum-window-substring)

输入: S = "ADOBECODEBANC", T = "ABC"
输出: "BANC"

这个问题让我们无法按照示例 1 中的方法进行查找，因为它不是给定了窗口大小让你找对应的值，而是给定了对应的值，让你找最小的窗口。

我们仍然可以使用滑动窗口算法，只不过需要换一个思路。

既然是找最小的窗口，我们先定义一个最小的窗口，也就是长度为 0 的窗口。

长度为 0 的窗口

我们比较一下当前窗口在的位置的字母，是否是 T 中的一个字母。

很明显， A 是 ABC 中的一个字母，也就是 T 所有字母的最小子串 可能包含当前位置的 S 的值。

如果包含，我们开始扩大窗口，直到扩大后的窗口能够包含 T 所有字母。

AD 不能够包含 T 所有字母

ADOBEC 包含 T 的所有字母

假设题目是 在 S 中找出包含 T 所有字母的第一个子串，我们就已经解决问题了，但是题目是找到最小的子串，就会存在一些问题。

当前窗口内可能包含了一个更小的能满足题目的窗口
窗口没有滑动到的位置有可能包含了一个更小的能满足题目的窗口

为了解决可能出现的问题，当我们找到第一个满足的窗口后，就从左开始缩小窗口。

如果缩小后的窗口仍满足包含 T 所有字母的要求，则当前窗口可能是最小能满足题目的窗口，储存下来之后，继续从左开始缩小窗口。
如果缩小后的窗口不能满足包含 T 所有字母的要求，则缩小窗口停止，从右边开始扩大窗口。

DOBEC 不包含 T 的所有字母

DOBECODEBA 包含 T 的所有字母

不断重复上面的步骤，直到窗口滑动到最右边，且找不到合适的窗口为止。最小满足的窗口就是我们要找的 S 中包含 T 所有字母的最小子串。

BANC 包含 T 的所有字母，且是最小子串

JavaScript 示例代码

/**
 * @param {string} s
 * @param {string} t
 * @return {string}
 */
var minWindow = function(s, t) {
  const map = {};
  for (let i = 0; i < t.length; i++) {
    if (map[t[i]]) {
      map[t[i]]++;
    } else {
      map[t[i]] = 1;
    }
  }

  let left = 0;
  let right = 0;
  let count = t.length;
  let max = Number.MAX_SAFE_INTEGER;
  let res = s;

  while (right < s.length) {
    if (map[s[right]] > 0) {
      count--;
    }
    map[s[right]]--;
    right++;



    while (count === 0) {
      if (right - left < max) {
        max = right - left;
        res = s.slice(left, right);
      }
      map[s[left]]++;
      if (map[s[left]] > 0) {
        count++;
      }
      left++;
    }
  }
  return max === Number.MAX_SAFE_INTEGER ? "" : res;
};

它的时间复杂度是 O（s + t）

示例3

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。(longest-substring-without-repeating-characters)

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。

和示例 2 相似，我们不断的扩大/缩小窗口，把无重复字母的窗口大小保存下来，直到窗口滑动结束，就找到了不含有重复字符的 最长子串 的长度。

JavaScript 示例代码

/**
 * @param {string} s
 * @return {number}
 */
var lengthOfLongestSubstring = function(s) {
  const map = {};

  let left = 0;
  let right = 0;

  let max = 0;
  while (right < s.length) {
    if (!map[s[right]]) {
      map[s[right]] = 1;
      right++;
    } else {
      while (left < right) {
        delete map[s[left]];
        if (map[s[left++]] === map[s[right]]) {
          break;
        }
      }
    }

    max = Math.max(max, right - left);
  }

  return max;
};

时间复杂度是 O（n）

示例4

给定一个字符串 s 和一个非空字符串 p，找到 s 中所有是 p 的字母异位词的子串，返回这些子串的起始索引。(find-all-anagrams-in-a-string)

输入:
s: "cbaebabacd" p: "abc"

输出:
[0, 6]

解释:
起始索引等于 0 的子串是 "cba", 它是 "abc" 的字母异位词。
起始索引等于 6 的子串是 "bac", 它是 "abc" 的字母异位词。

与示例 1 类似，我们维护一个长度为 p 的窗口，然后不断往右滑动查找当前窗口是否为 p 的字母异位词。

var findAnagrams = function(s, p) {
  const map = new Array(26).fill(0);

  for (let i = 0; i < p.length; i++) {
    map[p[i].charCodeAt() - 97]++;
  }

  const r = [];
  for (let i = 0, j = 0; i < s.length; i++) {
    const c = s[i].charCodeAt() - 97;
    map[c]--;
    while (map[c] < 0) {
      const c2 = s[j].charCodeAt() - 97;
      j++;
      map[c2]++;
    }
    if (i - j + 1 === p.length) {
      r.push(j);
    }
  }

  return r;
};

时间复杂度为 O（s + p）

滑动窗口算法的应用

TCP 流量控制

参考：

Window Sliding Technique - GeeksforGeeks

https://www.youtube.com/watch?v=eS6PZLjoaq8&t=548s

sliding window algorithm

编辑于 2019-04-02

程序员吴师兄

公众号：五分钟学算法

46 人赞同了该回答

前言科普：什么是滑动窗口算法

滑动问题包含一个滑动窗口，它是一个运行在一个大数组上的子列表，该数组是一个底层元素集合。

假设有数组 [a b c d e f g h ]，一个大小为 3 的 滑动窗口 在其上滑动，则有：

[a b c]
  [b c d]
    [c d e]
      [d e f]
        [e f g]
          [f g h]

一般情况下就是使用这个窗口在数组的 合法区间 内进行滑动，同时 动态地 记录一些有用的数据，很多情况下，能够极大地提高算法地效率。

1. 滑动窗口最大值

题目来源于 LeetCode 上第 239 号问题：滑动窗口最大值。题目难度为 Hard，目前通过率为 40.5% 。

题目描述

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 k 内的数字。滑动窗口每次只向右移动一位。

返回滑动窗口最大值。

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

题目解析

利用一个 双端队列，在队列中存储元素在数组中的位置，并且维持队列的严格递减,，也就说维持队首元素是 最大的 ，当遍历到一个新元素时, 如果队列里有比当前元素小的，就将其移除队列，以保证队列的递减。当队列元素位置之差大于 k，就将队首元素移除。

补充：什么是双端队列（Dqueue）

Deque 的含义是 “double ended queue”，即双端队列，它具有队列和栈的性质的数据结构。顾名思义，它是一种前端与后端都支持插入和删除操作的队列。

Deque 继承自 Queue（队列），它的直接实现有 ArrayDeque、LinkedList 等。

动画描述

代码实现

class Solution {
   public int[] maxSlidingWindow(int[] nums, int k) {
        //有点坑，题目里都说了数组不为空，且 k > 0。但是看了一下，测试用例里面还是有nums = [], k = 0，所以只好加上这个判断
        if (nums == null || nums.length < k || k == 0) return new int[0];
        int[] res = new int[nums.length - k + 1];
        //双端队列
        Deque<Integer> deque = new LinkedList<>();
        for (int i = 0; i < nums.length; i++) {
            //在尾部添加元素，并保证左边元素都比尾部大
            while (!deque.isEmpty() && nums[deque.getLast()] < nums[i]) {
                deque.removeLast();
            }
            deque.addLast(i);
            //在头部移除元素
            if (deque.getFirst() == i - k) {
                deque.removeFirst();
            }
            //输出结果
            if (i >= k - 1) {
                res[i - k + 1] = nums[deque.getFirst()];
            }
        }
        return res;
     }
}

2. 无重复字符的最长子串

题目来源于 LeetCode 上第 3 号问题：无重复字符的最长子串。题目难度为 Medium，目前通过率为 29.0% 。

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。

题目解析

建立一个256位大小的整型数组 freg ，用来建立字符和其出现位置之间的映射。

维护一个滑动窗口，窗口内的都是没有重复的字符，去尽可能的扩大窗口的大小，窗口不停的向右滑动。

（1）如果当前遍历到的字符从未出现过，那么直接扩大右边界；
（2）如果当前遍历到的字符出现过，则缩小窗口（左边索引向右移动），然后继续观察当前遍历到的字符；
（3）重复（1）（2），直到左边索引无法再移动；
（4）维护一个结果res，每次用出现过的窗口大小来更新结果 res，最后返回 res 获取结果。

动画描述

代码实现

// 滑动窗口
// 时间复杂度: O(len(s))
// 空间复杂度: O(len(charset))
class Solution {
public:
    int lengthOfLongestSubstring(string s) {
        int freq[256] = {0};
        int l = 0, r = -1; //滑动窗口为s[l...r]
        int res = 0;
        // 整个循环从 l == 0; r == -1 这个空窗口开始
        // 到l == s.size(); r == s.size()-1 这个空窗口截止
        // 在每次循环里逐渐改变窗口, 维护freq, 并记录当前窗口中是否找到了一个新的最优值
        while(l < s.size()){
            if(r + 1 < s.size() && freq[s[r+1]] == 0){
                r++;
                freq[s[r]]++;
            }else {   //r已经到头 || freq[s[r+1]] == 1
                freq[s[l]]--;
                l++;
            }
            res = max(res, r-l+1);
        }
        return res;
    }
};

3. 存在重复元素 II

题目来源于 LeetCode 上第 219 号问题：存在重复元素 II。题目难度为 Easy，目前通过率为 33.9% 。

题目描述

给定一个整数数组和一个整数 k，判断数组中是否存在两个不同的索引 i 和 j，使得 nums [i] = nums [j]，并且 i 和 j 的差的绝对值最大为 k。

题目解析

使用用滑动窗口与查找表来解决。

设置查找表record，用来保存每次遍历时插入的元素，record的最大长度为k
遍历数组nums，每次遍历的时候在record查找是否存在相同的元素，如果存在则返回true，遍历结束
如果此次遍历在record未查找到，则将该元素插入到record中，而后查看record的长度是否为k + 1
如果此时record的长度是否为k + 1，则删减record的元素，该元素的值为nums[i - k]
如果遍历完整个数组nums未查找到则返回false
动画描述

代码实现
// 时间复杂度: O(n)
// 空间复杂度: O(k)
class Solution {
public:
bool containsNearbyDuplicate(vector<int>& nums, int k) {
if(nums.size() <= 1) return false;
if(k <= 0) return false;
unordered_set<int> record;
for(int i = 0 ; i < nums.size() ; i ++){
if(record.find(nums[i]) != record.end()){
return true;
}
record.insert(nums[i]);
// 保持record中最多有k个元素
// 因为在下一次循环中会添加一个新元素,使得总共考虑k+1个元素
if(record.size() == k + 1){
record.erase(nums[i - k]);
}
}
return false;
}
};

4. 长度最小的子数组

题目来源于 LeetCode 上第 209 号问题：长度最小的子数组。题目难度为 Medium，目前通过率为 37.7% 。

题目描述

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。
// 滑动窗口的思路
// 时间复杂度: O(n)
// 空间复杂度: O(1)
class Solution {
    public int minSubArrayLen(int s, int[] nums) {
        int l= 0,r = -1;    // nums[l...r]为我们的滑动窗口
        int sum = 0;
        int result = nums.length + 1;
        while (l < nums.length){ // 窗口的左边界在数组范围内,则循环继续

            if( r+1 <nums.length && sum < s){
                r++;
                sum += nums[r];
            }else { // r已经到头 或者 sum >= s
                sum -= nums[l];
                l++;
            }

            if(sum >= s){
                result = (r-l+1) < result ? (r-l+1) : result ;
            }
        }
        if(result==nums.length+1){
            return 0;
        }
        return result;
    }
}

4. 长度最小的子数组

题目来源于 LeetCode 上第 209 号问题：长度最小的子数组。题目难度为 Medium，目前通过率为 37.7% 。

题目描述

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。

题目解析

定义两个指针 left 和 right ，分别记录子数组的左右的边界位置。

（1）让 right 向右移，直到子数组和大于等于给定值或者 right 达到数组末尾；
（2）更新最短距离，将 left 像右移一位, sum 减去移去的值；
（3）重复（1）（2）步骤，直到 right 到达末尾，且 left 到达临界位置

动画描述

设置滑动窗口的长度为 0 ，位于数轴的最左端。

1 .滑动窗口右端 R 开始移动，直到区间满足给定的条件，也就是和大于 7 ，此时停止于第三个元素 2，当前的最优长度为 4

2. 滑动窗口左端 L 开始移动，缩小滑动窗口的大小，停止于第一个元素 3，此时区间和为 6，使得区间和不满足给定的条件（此时不大于 7）

3. 滑动窗口右端 R 继续移动，停止于第四个元素 4，此时和位 10 ，但最优长度仍然为 4

代码实现

// 滑动窗口的思路
// 时间复杂度: O(n)
// 空间复杂度: O(1)
class Solution {
    public int minSubArrayLen(int s, int[] nums) {
        int l= 0,r = -1;    // nums[l...r]为我们的滑动窗口
        int sum = 0;
        int result = nums.length + 1;
        while (l < nums.length){ // 窗口的左边界在数组范围内,则循环继续

            if( r+1 <nums.length && sum < s){
                r++;
                sum += nums[r];
            }else { // r已经到头 或者 sum >= s
                sum -= nums[l];
                l++;
            }

            if(sum >= s){
                result = (r-l+1) < result ? (r-l+1) : result ;
            }
        }
        if(result==nums.length+1){
            return 0;
        }
        return result;
    }
}