目录
一、水果成篮
1.题目链接:904.水果成篮
2.题目描述:
你正在探访一家农场,农场从左到右种植了一排果树。这些树用一个整数数组
fruits
表示,其中fruits[i]
是第i
棵树上的水果 种类 。你想要尽可能多地收集水果。然而,农场的主人设定了一些严格的规矩,你必须按照要求采摘水果:
- 你只有 两个 篮子,并且每个篮子只能装 单一类型 的水果。每个篮子能够装的水果总量没有限制。
- 你可以选择任意一棵树开始采摘,你必须从 每棵 树(包括开始采摘的树)上 恰好摘一个水果 。采摘的水果应当符合篮子中的水果类型。每采摘一次,你将会向右移动到下一棵树,并继续采摘。
- 一旦你走到某棵树前,但水果不符合篮子的水果类型,那么就必须停止采摘。
给你一个整数数组
fruits
,返回你可以收集的水果的 最大 数目。示例 1:
输入:fruits = [1,2,1] 输出:3 解释:可以采摘全部 3 棵树。示例 2:
输入:fruits = [0,1,2,2] 输出:3 解释:可以采摘 [1,2,2] 这三棵树。 如果从第一棵树开始采摘,则只能采摘 [0,1] 这两棵树。示例 3:
输入:fruits = [1,2,3,2,2] 输出:4 解释:可以采摘 [2,3,2,2] 这四棵树。 如果从第一棵树开始采摘,则只能采摘 [1,2] 这两棵树。示例 4:
输入:fruits = [3,3,3,1,2,1,1,2,3,3,4] 输出:5 解释:可以采摘 [1,2,1,1,2] 这五棵树。
3.解法(滑动窗口)
🍁算法思路:
研究的对象是一段连续的区间,可以使用「滑动窗口」思想来解决问题。
让滑动窗口满足:窗口内水果的种类只有两种。
做法:右端水果进入窗口的时候,用哈希表统计这个水果的频次。这个水果进来后,判断哈希表的大小:
- 如果大小超过 2:说明窗口内水果种类超过了两种。那么就从左侧开始依次将水果划出窗口,直到哈希表的大小小于等于 2,然后更新结果;
- 如果没有超过 2,说明当前窗口内水果的种类不超过两种,直接更新结果 ret。
🍁算法流程:
a. 初始化哈希表 hash 来统计窗口内水果的种类和数量;
b. 初始化变量:左右指针 left = 0,right = 0,记录结果的变量 ret = 0;
c. 当 right 小于数组大小的时候,一直执行下列循环:
1.将当前水果放入哈希表中;
2.判断当前水果进来后,哈希表的大小:
• 如果超过 2:
- 将左侧元素滑出窗口,并且在哈希表中将该元素的频次减一;
- 如果这个元素的频次减一之后变成了 0,就把该元素从哈希表中删除;
- 重复上述两个过程,直到哈希表中的大小不超过 2;
3.更新结果 ret;
4. right++,让下一个元素进⼊窗口;
d. 循环结束后,ret 存的就是最终结果。
🍁算法代码1(使用容器):
class Solution
{
public:
int totalFruit(vector<int>& fruits)
{
unordered_map<int, int> hash; // 统计窗口内出现了多少种⽔果
int ret = 0;
for (int left = 0, right = 0; right < fruits.size(); right++)
{
hash[fruits[right]]++; // 进窗口
while (hash.size() > 2) // 判断
{
// 出窗口
hash[fruits[left]]--;
if (hash[fruits[left]] == 0)
hash.erase(fruits[left]);
left++;
}
ret = max(ret, right - left + 1);
}
return ret;
}
};
🍁算法代码2(用数组模拟哈希表):
class Solution
{
public:
int totalFruit(vector<int>& fruits)
{
// 统计窗口内出现了多少种水果
int hash[100001] = {0};
int ret = 0;
for(int left = 0, right = 0, kinds = 0; right < fruits.size(); right++)
{
// 维护水果的种类
if(hash[fruits[right]] == 0) kinds++;
hash[fruits[right]]++;// 进窗口
while(kinds > 2)// 判断
{
hash[fruits[left]]--;// 出窗口
if(hash[fruits[left]] == 0) kinds--;
left++;
}
ret = max(ret, right - left + 1);
}
return ret;
}
};
二、找到字符串中所有字母异位词
1.题目链接:438.找到字符串中所有字母异位词
2.题目描述:
给定两个字符串
s
和p
,找到s
中所有p
的 异位词 的子串,返回这些子串的起始索引。不考虑答案输出的顺序。异位词 指由相同字母重排列形成的字符串(包括相同的字符串)。
示例 1:
输入: s = "cbaebabacd", p = "abc" 输出: [0,6] 解释: 起始索引等于 0 的子串是 "cba", 它是 "abc" 的异位词。 起始索引等于 6 的子串是 "bac", 它是 "abc" 的异位词。示例 2:
输入: s = "abab", p = "ab" 输出: [0,1,2] 解释: 起始索引等于 0 的子串是 "ab", 它是 "ab" 的异位词。 起始索引等于 1 的子串是 "ba", 它是 "ab" 的异位词。 起始索引等于 2 的子串是 "ab", 它是 "ab" 的异位词。
3.解法(滑动窗口 + 哈希表)
🍂算法思路:
因为字符串 p 的异位词的长度一定与字符串 p 的长度相同,所以我们可以在字符串 s 中构造⼀个长度为与字符串 p 的长度相同的滑动窗口,并在滑动中维护窗口中每种字母的数量;
- 当窗口中每种字母的数量与字符串 p 中每种字母的数量相同时,则说明当前窗⼝为字符串 p的异位词;
- 因此可以用两个大小为 26 的数组来模拟哈希表,一个来保存 s 中的子串每个字符出现的个数,另一个来保存 p 中每一个字符出现的个数。这样就能判断两个串是否是异位词。
🍂算法代码:
class Solution
{
public:
vector<int> findAnagrams(string s, string p)
{
vector<int> ret;
int hash1[26] = { 0 };// 统计字符串p中每个字符出现的个数
for(auto ch : p) hash1[ch - 'a']++;
int hash2[26] = { 0 };// 统计窗口里边每个字符出现的个数
int m = p.size();
for(int left = 0, right = 0, count = 0; right < s.size(); right++)
{
char in = s[right];
hash2[in - 'a']++;// 进窗口
if(hash2[in - 'a'] <= hash1[in - 'a']) count++;// 维护count
if(right - left + 1 > m)// 判断
{
char out = s[left++];
if(hash2[out - 'a'] <= hash1[out - 'a']) count--;// 维护count
hash2[out - 'a']--;// 出窗口
}
if(count == m) ret.push_back(left);// 更新结果
}
return ret;
}
};
三、串联所有单词的子串
1.题目链接:30.串联所有单词的子串
2.题目描述:
给定一个字符串
s
和一个字符串数组words
。words
中所有字符串 长度相同。
s
中的 串联子串 是指一个包含words
中所有字符串以任意顺序排列连接起来的子串。
- 例如,如果
words = ["ab","cd","ef"]
, 那么"abcdef"
,"abefcd"
,"cdabef"
,"cdefab"
,"efabcd"
, 和"efcdab"
都是串联子串。"acdbef"
不是串联子串,因为他不是任何words
排列的连接。返回所有串联子串在
s
中的开始索引。你可以以 任意顺序 返回答案。示例 1:
输入:s = "barfoothefoobarman", words = ["foo","bar"] 输出:[0,9] 解释:因为 words.length == 2 同时 words[i].length == 3,连接的子字符串的长度必须为 6。 子串 "barfoo" 开始位置是 0。它是 words 中以 ["bar","foo"] 顺序排列的连接。 子串 "foobar" 开始位置是 9。它是 words 中以 ["foo","bar"] 顺序排列的连接。 输出顺序无关紧要。返回 [9,0] 也是可以的。示例 2:
输入:s = "wordgoodgoodgoodbestword", words = ["word","good","best","word"] 输出:[] 解释:因为 words.length == 4 并且 words[i].length == 4,所以串联子串的长度必须为 16。 s 中没有子串长度为 16 并且等于 words 的任何顺序排列的连接。 所以我们返回一个空数组。
示例 3:
输入:s = "barfoofoobarthefoobarman", words = ["bar","foo","the"] 输出:[6,9,12] 解释:因为 words.length == 3 并且 words[i].length == 3,所以串联子串的长度必须为 9。 子串 "foobarthe" 开始位置是 6。它是 words 中以 ["foo","bar","the"] 顺序排列的连接。 子串 "barthefoo" 开始位置是 9。它是 words 中以 ["bar","the","foo"] 顺序排列的连接。 子串 "thefoobar" 开始位置是 12。它是 words 中以 ["the","foo","bar"] 顺序排列的连接。
3.解法(滑动窗口 + 哈希表)
🍇算法思路:
如果我们把每一个单词看成⼀个⼀个字母,问题就变成了找到「字符串中所有的字母异位词」。无非就是之前处理的对象是⼀个⼀个的字符,我们这里处理的对象是⼀个⼀个的单词。
🍇算法代码:
class Solution
{
public:
vector<int> findSubstring(string s, vector<string>& words)
{
vector<int> ret;
unordered_map<string, int> hash1;// 保存words里面所有单词出现的频次
for(auto& s : words) hash1[s]++;
int len = words[0].size(), m = words.size();
for(int i = 0; i < len; i++)// 总共执行len次
{
unordered_map<string, int> hash2;// 维护窗口内单词的频次
for(int left = i, right = i, count = 0; right + len <= s.size(); right += len)
{
// 进窗口 + 维护窗口
string in = s.substr(right, len);
hash2[in]++;
if(hash1.count(in) && hash2[in] <= hash1[in]) count++;
// 判断
if(right - left + 1 > len * m)
{
// 出窗口 + 维护count
string out = s.substr(left, len);
if(hash1.count(out) && hash2[out] <= hash1[out]) count--;
hash2[out]--;
left += len;
}
if(count == m) ret.push_back(left);
}
}
return ret;
}
};
四、最小覆盖子串
1.题目链接:76.最小覆盖子串
2.题目描述:
给你一个字符串
s
、一个字符串t
。返回s
中涵盖t
所有字符的最小子串。如果s
中不存在涵盖t
所有字符的子串,则返回空字符串""
。注意:
- 对于
t
中重复字符,我们寻找的子字符串中该字符数量必须不少于t
中该字符数量。- 如果
s
中存在这样的子串,我们保证它是唯一的答案。示例 1:
输入:s = "ADOBECODEBANC", t = "ABC" 输出:"BANC" 解释:最小覆盖子串 "BANC" 包含来自字符串 t 的 'A'、'B' 和 'C'。示例 2:
输入:s = "a", t = "a" 输出:"a" 解释:整个字符串 s 是最小覆盖子串。示例 3:
输入: s = "a", t = "aa" 输出: "" 解释: t 中两个字符 'a' 均应包含在 s 的子串中, 因此没有符合条件的子字符串,返回空字符串。
3.解法(滑动窗口 + 哈希表)
🍒算法思路:
研究对象是连续的区间,因此可以尝试使用滑动窗口的思想来解决。
如何判断当前窗口内的所有字符是符合要求的呢?
- 我们可以使用两个哈希表,其中一个将目标串的信息统计起来,另一个哈希表动态的维护窗口内字符串的信息。
- 当动态哈希表中包含⽬标串中所有的字符,并且对应的个数都不小于目标串的哈希表中各个字符的个数,那么当前的窗口就是⼀种可行的方案。
🍒算法流程:
a. 定义两个全局的哈希表: 1 号哈希表 hash1 用来记录子串的信息, 2 号哈希表 hash2用来记录目标串 t 的信息;
b. 实现⼀个接口函数,判断当前窗⼝是否满足要求:
i. 遍历两个哈希表中对应位置的元素:
- 如果 t 中某个字符的数量大于窗⼝中字符的数量,也就是 2 号哈希表某个位置大于1 号哈希表。说明不匹配,返回 false ;
- 如果全都匹配,返回 true 。
主函数中:
a. 先将 t 的信息放⼊ 2 号哈希表中;
b. 初始化⼀些变量:左右指针: left = 0,right = 0 ;目标子串的长度: len = INT_MAX ;目标子串的起始位置: retleft ;(通过目标子串的起始位置和长度,我们就能找到结果)。
c. 当 right 小于字符串 s 的长度时,一直下列循环:
i. 将当前遍历到的元素扔进 1 号哈希表中;
ii. 检测当前窗口是否满足条件:
• 如果满足条件:
- 判断当前窗⼝是否变小。如果变小:更新长度 len ,以及字符串的起始位置retleft ;
- 判断完毕后,将左侧元素滑出窗口,顺便更新 1 号哈希表;
- 重复上面两个过程,直到窗口不满足条件;
iii. right++ ,遍历下一个元素;
d. 判断 len 的长度是否等于 INT_MAX :
i. 如果相等,说明没有匹配,返回空串;
ii. 如果不想等,说明匹配,返回 s 中从 retleft 位置往后 len 长度的字符串。
🍒算法代码:
class Solution {
public:
string minWindow(string s, string t) {
int hash1[128] = {0};// 统计字符串t中每一个字符的频次
int kinds = 0;// 统计有效字符有多少种
for(auto ch : t)
if(hash1[ch]++ == 0) kinds++;
int hash2[128] = {0};// 统计窗口内每个字符的频次
int minlen = INT_MAX, begin = -1;
for(int left = 0, right = 0, count = 0; right < s.size(); right++)
{
char in = s[right];
if(++hash2[in] == hash1[in]) count++;// 进窗口 + 维护count
while(count == kinds)// 判断条件
{
if(right - left + 1 < minlen)// 更新结果
{
minlen = right - left + 1;
begin = left;
}
char out = s[left++];
if(hash2[out]-- == hash1[out]) count--;// 出窗口 + 维护count
}
}
if(begin == -1) return "";
else return s.substr(begin, minlen);
}
};