前言
滑动窗口属于双指针技巧的其中一种,两外两种分别是左右指针和快慢指针。其基本思想是维护一个窗口,不断滑动,更新数据,找到满足题意的答案。
一、应用场景
滑动窗口常用来解决字符串的匹配问题。
匹配问题套路:不满足题意,右移窗口,更新数据;满足题意,左移窗口,更新数据。
其他情况需要具体问题,具体分析,如3.无重复字符的最长字串。
二、模板
public String minWindow(String s, String t) {
//need 是匹配字符串t的哈希表
HashMap<Character, Integer> need = new HashMap<>(), window = new HashMap<>();
//将匹配字符串t更新到哈希表need中
for (int i = 0; i < t.length(); i++) {
need.put(t.charAt(i), need.getOrDefault(t.charAt(i), 0) + 1);
}
int left = 0, right = 0; //window的左右边界,左闭右开原则[left,right)
int valid = 0; //字符和数量都一至,valid才+1
//不满足题意,右移滑动窗口
while (right < s.length()) {
char c = s.charAt(right++); // c 是将移⼊窗⼝的字符 right++ 是右移窗口
// 进⾏窗⼝内数据的⼀系列更新...
// 判断左侧窗⼝是否要收缩
while (满足题意,左移窗口,并在合适的位置更新结果){
char d = s.charAt(left++); // d 是将移出窗⼝的字符 left++ 是左移窗⼝
// 进⾏窗⼝内数据的⼀系列更新 ...
}
}
}
三、实践
76. 最小覆盖子串
不满足题意,窗口右移,满足题意,窗口左移
public String minWindow(String s, String t) {
HashMap<Character, Integer> need = new HashMap<>(), window = new HashMap<>();
for (int i = 0; i < t.length(); i++) {
need.put(t.charAt(i), need.getOrDefault(t.charAt(i), 0) + 1);
}
int left = 0, right = 0, valid = 0;
int start = 0, len = Integer.MAX_VALUE; // 记录最⼩覆盖⼦串的起始索引及⻓度
while (right < s.length()) {
char c = s.charAt(right++); // c 是将移⼊窗⼝的字符 右移窗口
// 进⾏窗⼝内数据的⼀系列更新
if (need.containsKey(c)) {
//window只记录在t中的字符
window.put(c, window.getOrDefault(c, 0) + 1);
if (window.get(c).equals(need.get(c))) {
valid++;
}
}
// 判断左侧窗⼝是否要收缩 满足题意时收缩
while (valid == need.size()) {
//更新结果数据
if (right - left < len) {
start = left;
len = right - left;
if (len == t.length()) {
break;
}
}
char d = s.charAt(left++); // d 是将移出窗⼝的字符 左移窗口
// 进⾏窗⼝内数据的⼀系列更新
if (need.containsKey(d)) {
if (window.get(d).equals(need.get(d))) {
valid--;
}
window.put(d, window.get(d) - 1);
}
}
}
return len == Integer.MAX_VALUE ? "" : s.substring(start, start + len); // 返回最⼩覆盖⼦串
}
567. 字符串的排列
public boolean checkInclusion(String s1, String s2) {
HashMap<Character, Integer> need = new HashMap<>(), window = new HashMap<>();
for (int i = 0; i < s1.length(); i++) {
need.put(s1.charAt(i), need.getOrDefault(s1.charAt(i), 0) + 1);
}
int left = 0, right = 0;
int valid = 0;
while (right < s2.length()) {
char c = s2.charAt(right++); // c 是将移⼊窗⼝的字符 右移窗口
// 进⾏窗⼝内数据的⼀系列更新
if (need.containsKey(c)) {
//window只记录在s1中的字符
window.put(c, window.getOrDefault(c, 0) + 1);
if (window.get(c).equals(need.get(c))) {
valid++;
}
}
// 判断左侧窗⼝是否要收缩 满足题意时收缩
while (valid == need.size()) {
//更新结果数据
if (right - left == s1.length()) {
return true; // 记录结果
}
char d = s2.charAt(left++); // d 是将移出窗⼝的字符 左移窗口
// 进⾏窗⼝内数据的⼀系列更新
if (need.containsKey(d)) {
if (window.get(d).equals(need.get(d))) {
valid--;
}
window.put(d, window.getOrDefault(d, 0) - 1);
}
}
}
return false;
}
438. 找到字符串中所有字母异位词
public List<Integer> findAnagrams(String s, String p) {
HashMap<Character, Integer> need = new HashMap<>(), window = new HashMap<>();
for (int i = 0; i < p.length(); i++) {
need.put(p.charAt(i), need.getOrDefault(p.charAt(i), 0) + 1);
}
int left = 0, right = 0;
int valid = 0;
ArrayList<Integer> list = new ArrayList<>(); // 记录结果
while (right < s.length()) {
char c = s.charAt(right++); // c 是将移⼊窗⼝的字符 右移窗口
// 进⾏窗⼝内数据的⼀系列更新
if (need.containsKey(c)) {
//window只记录在p中的字符
window.put(c, window.getOrDefault(c, 0) + 1);
if (window.get(c).equals(need.get(c))) {
valid++;
}
}
while (valid == need.size()) {
//更新结果数据
if (right - left == p.length()) {
list.add(left);
}
char d = s.charAt(left++); // d 是将移出窗⼝的字符 左移窗口
// 进⾏窗⼝内数据的⼀系列更新
if (need.containsKey(d)) {
if (window.get(d).equals(need.get(d))) {
valid--;
}
window.put(d, window.get(d) - 1);
}
}
}
return list;
}
3. 无重复字符的最长子串
非字符串匹配问题,需要用到滑动窗口。满足题意窗口右移,不满足题意停止然后左移,待重新满足题意时更新结果数据。
public int lengthOfLongestSubstring(String s) {
HashMap<Character, Integer> window = new HashMap<>();
int left = 0, right = 0;
int len = 0; // 记录结果
while (right < s.length()) {
char c = s.charAt(right++);
// 进⾏窗⼝内数据的⼀系列更新
window.put(c, window.getOrDefault(c, 0) + 1);
while (window.get(c) > 1) {
char d = s.charAt(left++);
// 进⾏窗⼝内数据的⼀系列更新
window.put(d, window.getOrDefault(d, 0) - 1);
}
if (len < right - left) {
len = right - left; // 在这⾥更新答案
}
}
return len;
}
239. 滑动窗口最大值
需要频繁判断最值时用堆很方便,不需要每次都进行删除操作,当更新结果数据时更新堆数据
public int[] maxSlidingWindow(int[] nums, int k) {
//大根堆存储num和其index
PriorityQueue<int[]> heap = new PriorityQueue<>(new Comparator<int[]>() {
@Override
public int compare(int[] o1, int[] o2) {
return o1[0] == o2[0] ? o1[1] - o2[1] : o2[0] - o1[0];
}
});
int left = 0, right = 0;
int[] res = new int[nums.length - k + 1]; //总共有length-k+1个最大值
int index = 0;
while (right < nums.length) {
int num = nums[right++]; //窗口右移
heap.add(new int[]{num, right - 1}); //更新数据
if (right - left == k) { //满足题意时收缩窗口
while (heap.peek()[1] < left) { //删除堆中无效数据(不在滑动窗口中的数据)
heap.poll();
}
res[index++] = heap.peek()[0]; //更新结果
left++; //窗口左移
}
}
return res;
}
总结
滑动窗口常用来解决字符串的匹配问题。