滑动窗口方法 leetcode 76 最小覆盖子串

关于滑动窗口的理解

滑动窗口有以下几个优点

• 线性时间复杂度：滑动窗口的方法通常可以在线性时间复杂度内解决问题，因为每个元素只会被访问一次。
• 空间复杂度较低：滑动窗口的方法通常只需要维护一个固定大小的窗口，因此空间复杂度相对较低。
• 可扩展性强：滑动窗口的方法通常可以很容易地扩展到多维情况，例如二维数组或字符串
• 解决区间问题的高效方法：滑动窗口通常用于解决区间问题，例如字符串中的最长子串、最小覆盖子串等问题，能够高效地解决这些问题。
• 可以通过双指针优化：滑动窗口通常可以通过双指针优化，即使用左右指针维护窗口的位置，来进一步提高效率。

滑动窗口的举例理解

假设我们要在一个数组中找到和为 k 的连续子数组，我们可以使用滑动窗口的方法来解决这个问题。首先，我们设置左右两个指针，分别指向数组的起始位置。然后，我们不断向右移动右指针，同时维护窗口内的元素之和。如果窗口内的元素之和等于 k，那么我们就找到了一个解。否则，如果窗口内的元素之和大于 k，那么我们就向右移动左指针，缩小窗口大小，直到窗口内的元素之和等于 k 或者小于 k。

题目描述

题目分析

这个实际上就是要设置一个滑动窗口 ，窗口里保持t是子串 不断的进行窗口边界的更新以及窗口内值的更新

代码示例

class Solution {
public:
    string minWindow(string s, string t) {
        unordered_map<char, int> tmap;  // t的哈希表
        unordered_map<char, int> smap;  // 记录窗口的哈希表
        int left = 0;
        int nums = 0;   // 记录当前窗口中符合条件的有几个字符
        string res = s + "initialize a max string";
        for(auto item : t)
        // 将t中的字符记录在哈希中
            ++tmap[item];
        // for右边界
        for(int right=0; right<s.size(); ++right)
        {
            // 将当前的值记录进窗口的哈希表中
            ++smap[s[right]];
            // 窗口中的字符不够
            if(tmap[s[right]] >= smap[s[right]])
            {
                ++nums;
            }
            // 窗口中的元素满了 不断进行++找到下一个元素
            while(left<right && smap[s[left]]>tmap[s[left]])
            {
                --smap[s[left++]];
            }
            if(nums == t.size())
            {   // 这里维持一个最小值
                if (right - left + 1 < res.size())
                    res = s.substr(left, right - left + 1);
            }
        }
        return res == s + "initialize a max string" ? "" : res;
    }
};