LeetCode-无重复字符的最长子串
Table of Contents
1 Medium-无重复字符的最长子串
1.1 题目描述
给定一个字符串,找出不含有重复字符的最长子串的长度。
1.2 示例 1:
输入: "abcabcbb" 输出: 3 解释: 无重复字符的最长子串是 "abc",其长度为 3。
1.3 示例 2:
输入: "bbbbb" 输出: 1 解释: 无重复字符的最长子串是 "b",其长度为 1。
1.4 示例 3:
输入: "pwwkew" 输出: 3 解释: 无重复字符的最长子串是 "wke",其长度为 3。 请注意,答案必须是一个子串,"pwke" 是一个子序列 而不是子串。
2 自己的解答
2.1 思路
- 遍历字符串,如果i与s[i]首次出现的位置不一致,说明出现了重复字符.
- 出现了重复字符,将i设置为-1(因为循环完成后i++),计数器清零.
- 如果计数器的值大于max,则让计数器的值赋给max.
2.2 反思
- 如果字符串过大,运行速度会比较慢,大致估算我这个算法的时间复杂度在最坏情况下(如abcabc这样的字符串)是 \(O(N^2)\). 因为去掉重复的两个字符,从0开始遍历 \(\frac{N}{2}-1\) 个字符,并且要遍历 \(\frac{N}{2}\) 次.
- 在网上学习到另一种解法,是通过滑动窗口的形式去找到最长的子串. 时间复杂度为 \(O(N)\). 请参考文章: LeetCode(3):无重复字符的最长子串
2.3 代码
class Solution {
public int lengthOfLongestSubstring(String s) {
int counter = 0;
int max = 0;
for (int i = 0; i < s.length(); i++) {
int pos = s.indexOf(s.charAt(i));
if (i != pos) {
// 说明当前位置的字符不是第一次出现,使用子字符串去遍历
s = s.substring(pos + 1);
// 将i重新置为0,因为这次循环过后i自增,所以将i设置为-1
i = -1;
// 清零计数值
counter = 0;
} else {
// 不同的字符,自增1
counter++;
}
if (counter > max) {
max = counter;
}
}
return max;
}
}
3 官方解答方法一:暴力法
3.1 思路
逐个检查所有的子字符串,看它是否不含有重复的字符。
3.2 算法
假设我们有一个函数 boolean allUnique(String substring)
,如果子字符串中的字符都是唯一的,它会返回 true
,否则会返回 false
。 我们可以遍历给定字符串 s
的所有可能的子字符串并调用函数 allUnique
。 如果事实证明返回值为 true
,那么我们将会更新无重复字符子串的最大长度的答案。
现在让我们填补缺少的部分:
为了枚举给定字符串的所有子字符串,我们需要枚举它们开始和结束的索引。假设开始和结束的索引分别为 i
和 j
。那么我们有 \(0 \leq i < j \leq n\) (这里的结束索引 j
是按惯例排除的)。因此,使用 i
从0到 n - 1
以及 j
从 i+1
到 n
这两个嵌套的循环,我们可以枚举出 s
的所有子字符串。
要检查一个字符串是否有重复字符,我们可以使用集合。我们遍历字符串中的所有字符,并将它们逐个放入 set 中。在放置一个字符之前,我们检查该集合是否已经包含它。如果包含,我们会返回 false~。循环结束后,我们返回 ~true
。
3.3 复杂度分析
- 时间复杂度: \(O(n^3)\) 。
要验证索引范围在 \([i, j)\) 内的字符是否都是唯一的,我们需要检查该范围中的所有字符。 因此,它将花费 \(O(j - i)\) 的时间。
对于给定的 \(i\) ,对于所有 \(j \in [i+1, n]\) 所耗费的时间总和为:
\(\sum_{i+1}^{n}O(j - i)\)
因此,执行所有步骤耗去的时间总和为:
\(O\left(\sum_{i = 0}^{n - 1}\left(\sum_{j = i + 1}^{n}(j - i)\right)\right) = O\left(\sum_{i = 0}^{n - 1}\frac{(1 + n - i)(n - i)}{2}\right) = O(n^3)\)
空间复杂度: \(O(min(n, m))\) ,我们需要 \(O(k)\) 的空间来检查子字符串中是否有重复字符,其中 \(k\) 表示 \(Set\) 的大小。而 \(Set\) 的大小取决于字符串 \(n\) 的大小以及字符集/字母 \(m\) 的大小。
3.4 代码
public class Solution {
public int lengthOfLongestSubstring(String s) {
int n = s.length();
int ans = 0;
for (int i = 0; i < n; i++)
for (int j = i + 1; j <= n; j++)
if (allUnique(s, i, j)) ans = Math.max(ans, j - i);
return ans;
}
public boolean allUnique(String s, int start, int end) {
Set<Character> set = new HashSet<>();
for (int i = start; i < end; i++) {
Character ch = s.charAt(i);
if (set.contains(ch)) return false;
set.add(ch);
}
return true;
}
}
4 官方解答方法二:滑动窗口
4.1 算法
暴力法非常简单。但它太慢了。那么我们该如何优化它呢?
在暴力法中,我们会反复检查一个子字符串是否含有有重复的字符,但这是没有必要的。如果从索引 i
到 \(j - 1\) 之间的子字符串 \(s_{ij}\)
已经被检查为没有重复字符。我们只需要检查 \(s[j]\) 对应的字符是否已经存在于子字符串 \(s_{ij}\) 中。
要检查一个字符是否已经在子字符串中,我们可以检查整个子字符串,这将产生一个复杂度为 \(O(n^2)\) 的算法,但我们可以做得更好。
通过使用 HashSet
作为滑动窗口,我们可以用 \(O(1)\) 的时间来完成对字符是否在当前的子字符串中的检查。
滑动窗口是数组/字符串问题中常用的抽象概念。 窗口通常是在数组/字符串中由开始和结束索引定义的一系列元素的集合,即 \([i, j)\)(左闭,右开)。而滑动窗口是可以将两个边界向某一方向“滑动”的窗口。例如,我们将 \([i, j)\) 向右滑动 1
个元素,则它将变为 \([i+1, j+1)\)(左闭,右开)。
回到我们的问题,我们使用 HashSet
将字符存储在当前窗口 \([i, j)\)(最初 \(j = i\) )中。 然后我们向右侧滑动索引 j
,如果它不在 HashSet
中,我们会继续滑动 j
。直到 s[j]
已经存在于 HashSet
中。此时,我们找到的没有重复字符的最长子字符串将会以索引 i
开头。如果我们对所有的 i
这样做,就可以得到答案。
4.2 复杂度分析
- 时间复杂度: \(O(2n) = O(n)\) ,在最糟糕的情况下,每个字符将被
i
和j
访问两次。 - 空间复杂度: \(O(min(m, n))\) ,与之前的方法相同。滑动窗口法需要 \(O(k)\) 的空间,其中
k
表示Set
的大小。而Set
的大小取决于字符串n
的大小以及字符集/字母m
的大小。
4.3 代码
public class Solution {
public int lengthOfLongestSubstring(String s) {
int n = s.length();
Set<Character> set = new HashSet<>();
int ans = 0, i = 0, j = 0;
while (i < n && j < n) {
// try to extend the range [i, j]
if (!set.contains(s.charAt(j))){
set.add(s.charAt(j++));
ans = Math.max(ans, j - i);
}
else {
set.remove(s.charAt(i++));
}
}
return ans;
}
}
5 官方解答方法三:优化的滑动窗口
5.1 算法
上述的方法最多需要执行 \(2n\) 个步骤。事实上,它可以被进一步优化为仅需要 \(n\) 个步骤。我们可以定义字符到索引的映射,而不是使用集合来判断一个字符是否存在。 当我们找到重复的字符时,我们可以立即跳过该窗口。
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 \(j' + 1\) 。
5.2 复杂度分析
- 时间复杂度: \(O(n)\) ,索引
j
将会迭代n
次。 - 空间复杂度(HashMap):\(O(min(m, n))\) ,与之前的方法相同。
- 空间复杂度(Table):\(O(m)\) ,
m
是字符集的大小。
5.3 代码:Java(使用 HashMap)
public class Solution {
public int lengthOfLongestSubstring(String s) {
int n = s.length(), ans = 0;
Map<Character, Integer> map = new HashMap<>(); // current index of character
// try to extend the range [i, j]
for (int j = 0, i = 0; j < n; j++) {
if (map.containsKey(s.charAt(j))) {
i = Math.max(map.get(s.charAt(j)), i);
}
ans = Math.max(ans, j - i + 1);
map.put(s.charAt(j), j + 1);
}
return ans;
}
}
5.4 代码Java(假设字符集为 ASCII 128)
以前的我们都没有对字符串 s
所使用的字符集进行假设。
当我们知道该字符集比较小的时侯,我们可以用一个整数数组作为直接访问表来替换 Map
。
常用的表如下所示:
int [26]
用于字母 ‘a’ - ‘z’或 ‘A’ - ‘Z’int [128]
用于ASCII码int [256]
用于扩展ASCII码
public class Solution {
public int lengthOfLongestSubstring(String s) {
int n = s.length(), ans = 0;
int[] index = new int[128]; // current index of character
// try to extend the range [i, j]
for (int j = 0, i = 0; j < n; j++) {
i = Math.max(index[s.charAt(j)], i);
ans = Math.max(ans, j - i + 1);
index[s.charAt(j)] = j + 1;
}
return ans;
}
}