Lt-3滑动窗口算法

数据结构与算法-滑动窗口篇

1、滑动窗口算法

滑动窗口算法通常用于解决求字符串中的不重复子串等“子串类型问题”。
原理：
1、构建一个队列数组模拟窗口；
2、移动情况一：无重复元素，左指针不变，右指针向右移动，扩大窗口列表
3、移动情况二：有重复元素，左指针向后移动一次，右指针不变；
4、通过i(当前索引) - begin(窗口开始索引) + 1来更新最大长度。

2、lt3-无重复字符串子串

给定一个字符串 s ，请你找出其中不含有重复字符的 最长子串 的长度。

示例 1:
输入: s = "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。

示例 2:
输入: s = "bbbbb"
输出: 1
解释: 因为无重复字符的最长子串是 "b"，所以其长度为 1。

示例 3:
输入: s = "pwwkew"
输出: 3
解释: 因为无重复字符的最长子串是 "wke"，所以其长度为 3。
     请注意，你的答案必须是 子串 的长度，"pwke" 是一个子序列，不是子串。
 
提示：
0 <= s.length <= 5 * 104
s 由英文字母、数字、符号和空格组成

3、求解过程

class Solution{
	public int lengthOfLongestSubstring(String str){
		// 1、初始化窗口容器- 值为key、索引为value
		Map<Character, Integer> map = new HashMap<>();
		
		// 2、初始化窗口起始指针、窗口长度
		int begin = 0;
		int maxLength = 0;

		// 3、遍历元素，动态更新窗口数据
		for(int i = 0; i < str.length(); i++){
			// 窗口容器中包含当前字符，
			// 则更新窗口起始指针，从下一个元素开始
			if(map.containsKey(str.charAt(i))){
				begin = Math.max(begin, map.get(str.charAt(i)) + 1);
			}
			// 窗口容器中不包含当前字符，则压入窗口，更新窗口长度
			map.put(str.charAt(i), i);
			maxLength = Math.max(maxLength, i - begin + 1);
		}
		return maxLength;
	}
}