本篇文章讲的是“最大连续1的个数”这道题,从最开始的简单暴力到用滑动窗口算法实现解题的思路历程,有需要借鉴即可。
目录
- 1.题目
- 2.暴力求解
- 3.滑动窗口解法
- 3.1优化一:end重返start优化,end指针不回退
- 3.2优化二:某一start指向下,一定不是最大的时候,直接优化掉
1.题目
题目链接:LINK
2.暴力求解
题目解析:这里看到题目之后,大概就是让我们找在这穿数字中连续的1最大有几个,但是这个题目还有个“翻转”的设定。
暴力求解:其实我们想到的暴力求解无非是挨个遍历,定义两个指针,一个是start指针,一个是end指针,start首先指向第一个数字,end也指向第一个数字,碰到0我们就“反转一下”,直到反转次数不足或者说是该数组遍历完成。这样的话我们可以继续start指向下一个数字,重复上述过程,期间取最大值即可。
技巧(反转转换):题目中所说的“反转”,可是我们如果真的反转了,在下一次遍历时候还得改回来,很麻烦,这里可以用个变量统计一下遇到0的个数就行,不用真的进行“翻转”。
大概是下面这个过程:
时间复杂度:O(N^2)
代码我写好了,除了时间复杂度问题之外,没什么问题哈。
class Solution {
public:
//暴力解法
int longestOnes(vector<int>& nums, int k) {
int zero = 0;
int n = nums.size();
int ret = 0;
for(int left = 0;left < n;left++)
{
zero = 0;
int right = left;
while(right < n)
{
if(nums[right] == 1)
{
right++;
}
else
{
zero++;
if(zero > k)
break;
right++;
}
}
ret = max(ret,right - left);
}
return ret;
}
};
时间复杂度比较高哈,虽然说这种方法很挫,但也是一种方法…我们下面在暴力求解的基础上对该题目进行优化:
3.滑动窗口解法
一上来,不可能一下就可以想到滑动窗口的。这里我必须强调一下:这里滑动窗口的解法是在暴力求解的基础上不断优化,在优化的过程中发现满足滑动窗口的规律,因而说最终优化成了滑动窗口算法。
3.1优化一:end重返start优化,end指针不回退
首先,我再看这个暴力解法的过程中,我们把不同的start位置看成不同的”组“,在不同组的时候,命名end可以继续向右移动,但是end到下一个start的时候又回到了start位置,显然十分消耗性能,因而这个地方可以优化一下。
比如说:
3.2优化二:某一start指向下,一定不是最大的时候,直接优化掉
这个优化什么意思呢?比如下图:第二组铁定比第一组短,压根就没必要去走第二组的情况
也就是说,第一组遍历完了,直接进行下图所示的这组,干脆直接这样:
然后到这里,两个指针,都是同向的,且不回退,这时候我就想到这是典型的”滑动窗口“题目,所以可以直接优化成滑动窗口解法:
class Solution {
public:
//暴力解法
int longestOnes(vector<int>& nums, int k) {
int zero = 0;
int n = nums.size();
int ret = 0;
int left = 0,right = 0;
for(right = 0;right < n ;right++)
{
//进窗口
if(nums[right] == 0)
{
zero++;
}
//出窗口之后也会满足条件
while(zero > k)
{
if(nums[left++] == 0)
{
zero--;
}
}
//每次进窗口满足条件的情况下会自动更新,出完窗口下也会自动更新
ret = max(ret,right - left + 1);
}
return ret;
}
};
EOF