【leetcode】76 最小覆盖子串（字符串，双指针）

题目链接：https://leetcode-cn.com/problems/minimum-window-substring/

题目描述

给你一个字符串 S、一个字符串 T，请在字符串 S 里面找出：包含 T 所有字母的最小子串。

示例：

输入: S = "ADOBECODEBANC", T = "ABC"
输出: "BANC"

说明：

如果 S 中不存这样的子串，则返回空字符串 ""。
如果 S 中存在这样的子串，我们保证它是唯一的答案。

思路

暴力法

如果采用暴力方法，时间复杂度超过了O（n^3），超时。。

/*
 * 暴力解法
 * 超时
 */
class SolutionI {
public:
    string minWindow(string s, string t) {
        int minLen = INT_MAX;
        string ret;
        sort(t.begin(), t.end());
        if(s==t) return s;
        if(s.size() < t.size()) return ret;
        for (int i = 0; i <= s.size() - t.size(); ++i) {
            for (int j = i+t.size()-1; j < s.size(); ++j) {
                string sub = s.substr(i,j-i+1);
                int cnt = 0;
                sort(sub.begin(),sub.end());
                for (int k = 0; k < sub.size() && cnt < t.size(); ++k) {
                    if(sub[k] == t[cnt])
                        cnt ++;
                }
                if(cnt == t.size()){
                    if(sub.size() < minLen){
                        minLen = sub.size();
                        ret = s.substr(i,j-i+1);
                    }
                }
            }
        }
        return ret;
    }
};

2 滑动窗口-双指针O(n)

滑动窗口算法的思路是这样：

1、我们在字符串 S 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、我们先不断地增加 right 指针扩大窗口 [left, right]，直到窗口中的字符串符合要求（包含了 T 中的所有字符）。

3、此时，我们停止增加 right，转而不断增加 left 指针缩小窗口 [left, right]，直到窗口中的字符串不再符合要求（不包含 T 中的所有字符了）。同时，每次增加 left，我们都要更新一轮结果。

4、重复第 2 和第 3 步，直到 right 到达字符串 S 的尽头。

这个思路其实也不难，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。

下面画图理解一下，needs 和 window 相当于计数器，分别记录 T 中字符出现次数和窗口中的相应字符的出现次数。

初始状态：

增加 right，直到窗口 [left, right] 包含了 T 中所有字符：

现在开始增加 left，缩小窗口 [left, right]。

直到窗口中的字符串不再符合要求，left 不再继续移动。

之后重复上述过程，先移动 right，再移动 left…… 直到 right 指针到达字符串 S 的末端，算法结束。

这个算法的时间复杂度是 O(M + N)，M 和 N 分别是字符串 S 和 T 的长度。因为我们先用 for 循环遍历了字符串 T 来初始化 needs，时间 O(N)，之后的两个 while 循环最多执行 2M 次，时间 O(M)。

注意：虽然嵌套的while有两层，但是总时间并不是M^2；因为while 执行的次数就是双指针 left 和 right 走的总路程，最多是 2M。

复杂度分析

• 时间复杂度：O（m+n）
• 空间复杂度：O（n）

/*
 * 滑动窗口-双指针法
 * left指针收缩窗口；right指针扩大窗口
 * 先找到一个可行窗口，再不断收缩
 * 时间复杂度O(|S|+|T|) 空间复杂度O(|S|+|T|)
 */
class Solution {
public:
    string minWindow(string s, string t) {
        if(s.empty() || t.empty())
            return "";
        string ret;
        unordered_map<int, int> require; // 建立字典对t的字符进行计数
        unordered_map<int, int> window;
        for(char c:t)
            require[c] ++;

        int left = 0, right = 0;    // 双指针
        int match = 0;              // 记录window中已经有多少字符符合要求了
        int minLen = INT_MAX;
        int begin = 0;              // 最小子串的起始点

        while (right < s.size()){
            // 右指针右移加入字符扩大窗口
            char c1 = s[right];
            if(require.count(c1)){
                window[c1] ++;
                if(window[c1] == require[c1])
                    match ++;
            }
            right ++;

            // 左指针右移缩小窗口
            while (match == require.size()){
                if (right - left < minLen){
                    begin = left;
                    minLen = right - left;
                }
                char c2 = s[left];
                if(require.count(c2)){
                    window[c2] --;
                    if(window[c2] < require[c2])
                        match--;
                }
                left++;
            }
        }

        return minLen == INT_MAX? "" : s.substr(begin, minLen);
    }
};