扒一扒滑動視窗演算法的褲子

1、演算法框架

2、leetcode76.最小覆蓋子串

3、leetcode567.字串的排列

4、leetcode438.找到字串中所有字母異位詞

5、leetcode3.無重複字元的最長子串

int left = 0, right = 0;
while (right < s.size()) 
}

這個演算法技巧的時間複雜度是 o(n)，比字串暴力演算法要高效得多。演算法的思路不難，難的是各種細節問題。比如說如何向視窗中新增新元素，如何縮小視窗，在視窗滑動的哪個階段更新結果。即便你明白了這些細節，也容易出 bug，找 bug 還不知道怎麼找，真的挺讓人心煩的。完整演算法框架如下：

/* 滑動視窗演算法框架 */
void slidingwindow(string s, string t) 
int left = 0, right = 0;
int valid = 0; 
while (right < s.size()) 
}}

其中兩處 ... 表示的更新視窗資料的地方，到時候你直接往裡面填就行了。而且，這兩個 ... 處的操作分別是右移和左移視窗更新操作，操作是完全對稱的。

給你乙個字串 s、乙個字串 t，請在字串 s 裡面找出：包含 t 所有字元的最小子串。

示例：
輸入: s = "adobecodebanc", t = "abc"
輸出: "banc"

說明：1、如果 s 中不存這樣的子串，則返回空字串""。2、如果 s 中存在這樣的子串，我們保證它是唯一的答案。

演算法：

1、用hashmap表快取文字串 s、模式串 t 的內容，用乙個變數 curvaildcnt 來表示兩個表中字元匹配的個數。

2、首先用 checkmap 記錄t中的所有字元(key)及其個數(value)

3、向右滑動視窗 right++，當出現 checkmap中的字元 ch 時，需要用 slidewinmap 儲存，

判斷該字元 ch 的個數是否已經和 checkmap 中的相等，相等則計數curvaildcnt++;

4、當 slidewinmap 中所有的字元均以匹配 checkmap 中的字元，即 curvaildcnt == check.keyset().size(),

對於表中任一字元均有slidewinmap.get(ch) >= checkmap.get(ch)，此時滿足條件，開始迴圈視窗的左側。

4.1、更新視窗範圍，左右側邊界

4.2、從左側收縮視窗left++，當出現匹配字元 ch 時，需要從滑動視窗中減去其個數，當 ch 的個數不在匹配時則需要將

curvaildcnt--，表示此字元不在匹配，下一步需要繼續向右增大滑動視窗。

4.3、不斷收縮左側視窗直到視窗不能完全匹配模式串為止。

5、視窗整個滑動過程模式串 checkmap 不動；

通過乙個變數 curvaildcnt 來記錄表中字元的匹配個數;

curvaildcnt == checkmap.keyset().size() 全匹配收縮左側視窗，直到不匹配；

curvaildcnt < checkmap.keyset().size() 不匹配擴充套件右側視窗，直到匹配

只有在模式串checkmap**現的字元才向滑動視窗slidewinmap表中的新增、刪除；

判斷字元是否相等 == 要將取出的integer型別轉換成intvalue()，因為integer不能隨意使用 == ，其表示的範圍為-128~127。

public string minwindow(string s, string t) 
map check = new hashmap<>();
map window = new hashmap<>();
int curvaildcnt = 0; 
for(int i = 0; i < t.length(); i++)
int left = 0,right = 0;
int start = -1,minlen = s.length() + 1;
while(right < s.length())
}while(curvaildcnt == check.keyset().size())
char delch = s.charat(left);
left++;
if(check.containskey(delch)) 
window.replace(delch,window.get(delch) - 1);}}
}		if(start == -1)else
}

給定兩個字串s1和s2，寫乙個函式來判斷s2是否包含s1的排列。換句話說，第乙個字串的排列之一是第二個字串的子串。

示例1:
輸入: s1 = "ab" s2 = "eidbaooo"
輸出: true
解釋: s2 包含 s1 的排列之一 ("ba").
示例2:
輸入: s1= "ab" s2 = "eidboaoo"
輸出: false

注意：1、輸入的字串只包含小寫字母；2、兩個字串的長度都在 [1, 10,000] 之間

演算法：1、和leetcode76 完全一致，

2、所不同的是當滑動視窗中 window 的字元和 check 中完全一致且視窗的長度也和待匹配子串長度相等，

即可判定此時的視窗為子串的全排列，返回 true，其它所有場景均為 false

...
while(curvaildcnt == check.keyset().size())
...return false;
}

給定乙個字串 s 和乙個非空字串 p，找到 s 中所有是 p 的字母異位詞的子串，返回這些子串的起始索引。字串只包含小寫英文本母，並且字串 s 和 p 的長度都不超過 20100

說明：

示例 1: 輸入:s: "cbaebabacd" p: "abc" 輸出:[0, 6] 解釋:起始索引等於 0 的子串是 "cba", 它是 "abc" 的字母異位詞。起始索引等於 6 的子串是 "bac", 它是 "abc" 的字母異位詞。示例 2: 輸入:s: "abab" p: "ab" 輸出:[0, 1, 2] 解釋:起始索引等於 0 的子串是 "ab", 它是 "ab" 的字母異位詞。起始索引等於 1 的子串是 "ba", 它是 "ab" 的字母異位詞。

起始索引等於 2 的子串是 "ab", 它是 "ab" 的字母異位詞。

演算法：

1、和leetcode567 完全一致，

2、所不同的是當滑動視窗中 window 的字元和 check 中完全一致且視窗的長度也和待匹配子串長度相等，

即可判定此時的視窗為子串的全排列(字母異位詞)，儲存left到list，最後返回list即可。

...
while(curvaildcnt == check.keyset().size())
...return list;
}

給定乙個字串，請你找出其中不含有重複字元的最長子串的長度。

示例 1: 輸入: "abcabcbb" 輸出: 3 解釋: 因為無重複字元的最長子串是 "abc"，所以其長度為 3。示例 2: 輸入: "bbbbb" 輸出: 1 解釋: 因為無重複字元的最長子串是 "b"，所以其長度為 1。示例 3: 輸入: "pwwkew" 輸出: 3 解釋: 因為無重複字元的最長子串是 "wke"，所以其長度為 3。

請注意，你的答案必須是子串的長度，"pwke" 是乙個子串行，不是子串。

演算法：

1、僅用乙個hashmap用於記錄滑動視窗中的字元，

2、視窗不斷向右新增新字元 ch，當字元ch出現重複時，

2.1、獲取此時視窗長度並更新最大長度，

2.2、從左收縮視窗將重複字元 ch 剔除

3、將新增字元 ch 新增到表中

4、注意長度就算

public int lengthoflongestsubstring(string s) 
window.put(ch,1);
right++;
}	    return  math.max(max,right-left);
}

扒一扒滑動視窗演算法的褲子

APT扒了誰的褲子

滑動視窗演算法

滑動視窗演算法

相關推薦