滑动窗口题目

 567. 字符串的排列

给你两个字符串 s1 和 s2 ，写一个函数来判断 s2 是否包含 s1 的排列。如果是，返回 true；否则，返回 false 。 

对于这道题的解法代码，基本上和最小覆盖子串一模一样，只需要改变几个地方：

1、本题移动 left 缩小窗口的时机是窗口大小大于 t.size() 时，应为排列嘛，显然长度应该是一样的。

2、当发现 valid == need.size() 时，就说明窗口中就是一个合法的排列，所以立即返回 true。

至于如何处理窗口的扩大和缩小，和最小覆盖子串完全相同。

3. 无重复字符的最长子串

class Solution {
    public int lengthOfLongestSubstring(String s) {
        HashMap<Character,Integer>hm=new HashMap();
        //字符，索引
        int left=0;
        int len=0;
        for(int i=0;i<s.length();i++){
            if(hm.containsKey(s.charAt(i))){
                left=Math.max(left,hm.get(s.charAt(i))+1);
            }
            hm.put(s.charAt(i),i);
            len=Math.max(len,i-left+1);  
        }
        return len;
    }
}

Rabin Karp字符串匹配算法

所以优化的关键在于，我们能不能不要真的把子字符串生成出来，而是用一些其他形式的唯一标识来表示滑动窗口中的子字符串，并且还能在窗口滑动的过程中快速更新？

你把 AGCT 四种字符等价为 0123 四个数字，那么长度为 L = 10 的一个碱基序列其实就可以等价为一个十位数，这个数字可以唯一标识一个子串。而且窗口移动的过程，其实就是给这个数字的最低位添加数字，并删除最高位数字的过程，回顾之前的讲解，添加和删除数字的运算就是两个公式，可以在 O(1) 的时间完成

这样，我们就避免了直接生成子串存入集合，而是生成一个十位数来表示子串，而且生成这个十位数的时间花费为 O(1)，从而降低了匹配算法的时间复杂度

其实你想下，你把一个字符串对象转化成了一个数字，这是什么？这就是你设计的一个哈希算法，生成的数字就可以认为是字符串的哈希值。在滑动窗口中快速计算窗口中元素的哈希值，叫做滑动哈希技巧。

class Solution {
    public List<String> findRepeatedDnaSequences(String s) {
        int[] krap = new int[s.length()]; //krap称为s的模式串。
        for (int i = 0; i < krap.length;i++){
            switch(s.charAt(i)){
                case 'A':
                    krap[i] = 0;
                    break;
                case 'G':
                    krap[i] = 1;
                    break;
                case 'C':
                    krap[i] = 2;
                    break;
                case 'T':
                    krap[i] = 3;
                    break;
            }
        }

        int left = 0;
        int right = 0;
        int L = 10;//窗口长度
        int R = 4;//4进制
        HashSet<Integer> seen = new HashSet<>();//窗口哈希值集合
        HashSet<String> res = new HashSet<>();
        int window = 0;//当前窗口的哈希值
        while(right < krap.length){
            window = R * window + krap[right];//扩大窗口，相当于低位增加数字
            right++;
            if (right - left == L){
                if (seen.contains(window)){//出现了重复子串
                    res.add(s.substring(left,right));
                }else{
                    seen.add(window);
                }
                //缩小窗口，相当于删除高位数字
                window = window - krap[left] * (int)Math.pow(R,L-1);
                left++;
            }
        }
        return new LinkedList<>(res); 
    }
}