数据结构和算法Study_o2

滑动窗口

算法简介
滑动窗口，顾名思义，就是有一个大小可变的窗口，左右两端方向一致的向前滑动（右端固定，左端滑动；左端固定，右端滑动）。

可以想象成队列，一端在push元素，另一端在pop元素，如下所示：

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]
适用范围
1、一般是字符串或者列表
2、一般是要求最值（最大长度，最短长度等等）或者子序列
算法思想
1、在序列中使用双指针中的左右指针技巧，初始化 left = right = 0，把索引闭区间 [left, right] 称为一个窗口。
2、先不断地增加 right 指针扩大窗口 [left, right]，直到窗口中的序列符合要求。
3、此时，停止增加 right，转而不断增加 left 指针缩小窗口 [left, right]，直到窗口中的序列不再符合要求。同时，每次增加 left前，都要更新一轮结果。
4、重复第 2 和第 3 步，直到 right 到达序列的尽头。
思路其实很简单：第 2 步相当于在寻找一个可行解，然后第 3 步在优化这个可行解，最终找到最优解。左右指针轮流前进，窗口大小增增减减，窗口不断向右滑动。

算法模板
1、单层循环

def template():
    # 初始化滑动窗口两端
    left = right = 0
    # 序列及序列长度
    seq, seq_len = xx, xx
    
    # 滑动窗口序列
    slide_win = []
    
    # 结果值
    rst = xx
    
    while right < seq_len:
        slide_win.append(seq[right])
        # 还没找到一个可行解
        if not avaliable(slide_win):
            # 扩大窗口
            right += 1
        else:
            # 找到一个可行解，更新结果值
            rst = update()
            # 缩小窗口
        left += 1

2、双层循环

def template():
    # 初始化滑动窗口两端
    left = right = 0
    # 序列及序列长度
    seq, seq_len = xx, xx
    
    # 滑动窗口序列
    slide_win = []
    
    # 结果值
    rst = xx
    
    while right < seq_len:
        slide_win.append(seq[right])
        # 还没找到一个可行解
        if not avaliable(slide_win):
            # 扩大窗口
            right += 1
            continue
            
            # 循环更新可行解
            while avaliable(slide_win):
                # 找到一个可行解，更新结果值
                rst = update()
                # 缩小窗口
        left += 1

模板只是一个解题思路，具体的题目可能需要具体分析，但是大体框架是不变的。

计算机内部乘法除法实现

乘法：
先来个例子：
7×5可以写成如下的二进制方式，7为乘数，5为被乘数。
7×5=0111×0101

那么规则就是，按照被乘数的低位到高位依次计算，如果第n位不为0，那么乘数就左移n位，如果第n为为0 ，那么这步运算结果记为0，最后将每一步的结果相加就是最终的计算结果。

除法：
依然先来个例子：**

123/4写成二进制的形式如下，123为除数，4为被除数。
123/4=1111011/0100

那么规则就是按照除数的高位到低位的数字依次和被除数进行比对，如果大于等于被除数，则此步结果记为1，并求得余数，如果小于被除数则将上一步的余数左移一步加上一位的数字再次比较，以此类推，最终将依次计算的结果相连组成二进制就是商，最后一次的余数就是求余的结果。