2024/4/20—4/21
560.和为K的子数组
前缀和+哈希表，做二叉树的时候也有这个套路。注意细节，遍历到当前前缀和的时候是先找结果个数还是先加入哈希？应该先找结果个数，不然的话，当前位置也算上了（因为是前缀和相减，当前位置算的话（当前 - 当前），子数组就不存在了）。注意先放入一个，处理边界，也就是子数组的长度为0（肯定不算）或者当前全长。
那个枚举的方法，也就是遍历嘛，主要是看懂时间复杂度的解释。
2024/9/10
关于为什么先统计count，在把当前前缀加入map；可以从下标意义的角度去考虑；遍历到的当前位置的前缀和pre[i]，对应的数组[0, i]；map中已经存在的前缀数组下标为[0,j]; 重点是j的范围是0~i-1；如果有符合题目条件的子数组，它的下标范围肯定是[j+1，i]；
如果先把当前前缀和放入map，j就可以取到i,结合上面的分析如果此时[0,j] j=i是一个满足条件的pre[i] - k,那么对应的子数组长度为0；不存在，这种情况对应的k=0;
同理可以明白为什么要先put(0,1);
239.滑动窗口最大值
直接看官方解法了
优先队列
升序降序，大小顶堆写法
9/10
这里再说一下优先队列比较器的两种写法和排序规则
方法一：Javabean类实现Comparable接口指定比较规则
- 实现Comparable接口，重写compareTo方法；注意理解，compareTo( ) 方法中的参数是已经存在的元素（就理解为数组中存在的吧），this是新插入的元素，返回值一般都是新的减去旧的，结果大于0，记忆为新的更大，放到后面（旧的右边），所以是升序；
- 结果是0的话，下面是是基于TreeSet的，所以不允许重复；优先队列的话看上面，好像是不交换；
public class Student implements Comparable<Student>{
private String name;
private int age;
@Override
//this：表示当前要添加的元素
//o：表示已经在（某种数据结构，TreeSet等）存在的元素
//返回值：
//负数：表示当前要添加的元素是小的，存左边
//正数：表示当前要添加的元素是大的，存右边
//0 :表示当前要添加的元素已经存在，舍弃
public int compareTo(Student o) {
//指定排序的规则
//只看年龄，我想要按照年龄的升序进行排列
return this.getAge() - o.getAge();
}
}
方法二：创建集合对象的时候，传递比较器Comparator指定规则
- 和上面的一样，第一个参数是新要插入的元素，第二个参数是已经存在的元素，新的减旧的，按照方法一理解。就是升序，排出来的是个升序数组，优先队列基于堆，拿的第一个元素，是最小的，所以这种方式是小顶堆；
- 下面是两种写法
public static void main(String[] args) {
/*
需求：请自行选择比较器排序和自然排序两种方式；
要求：存入四个字符串， “c”, “ab”, “df”, “qwer”
按照长度排序，如果一样长则按照首字母排序
采取第二种排序方式：比较器排序
*/
//1.创建集合
//o1:表示当前要添加的元素
//o2：表示已经在红黑树存在的元素
//返回值规则跟之前是一样的
TreeSet<String> ts = new TreeSet<>((o1, o2)->{
// 按照长度排序
int i = o1.length() - o2.length();
//如果一样长则按照首字母排序
i = i == 0 ? o1.compareTo(o2) : i;
return i;
});
}
思路
总体的思路，不着急删除（不要想着窗口动一次删一次），因为我们要的是每个窗口的最大值：窗口每移动一次，就把新遍历到的元素加入优先队列，然后取到优先队列的队头元素（队列里所有元素当前的最大值）。
关键的是，如果这个元素不在当前的滑动窗口范围内，删除，继续取队头元素，直到取到的元素在当前窗口的范围内，再把这个答案放到结果集合里。
算法竞赛中的常用JAVA API：PriorityQueue(优先队列)_java priorityqueue api-CSDN博客
单调队列
. - 力扣（LeetCode）灵山
本质上单调是自己代码维护的，所以就是普通队列附加上代码维护的单调性；单调队列和单调栈的处理方式很像；
关键是维护队头到队尾是降序的特性，并不也无法要求每个元素都在队列中，因为单调的性质总会淘汰一些元素。
- 为了维护单调特性
- 初始化前k个时，每个新的元素x被添加到队尾时，都要删除掉所有在x之前且比x大的元素
- 滑动窗口移动时，添加新元素的时候也执行上述相同的操作
- 取每个滑动窗口的结果时，队头元素就是max，但是如果它不在滑动窗口的范围内，需要不断删除队头元素，直到队头元素在当前滑动窗口范围内
- 可以直接在单调队列里存入下标，不用存数字+下标，单调队列是双端队列Deque实现，不是Queue
分块+预处理
这个方法自己看题解吧，就先不实现了
76.最小覆盖子串
遍历长串，把所有的字符存到hashmap，key为字符，value为字符出现的位置集合。遍历目标串，拿到目标串每个字符的位置集合。
对于目标串中的重复元素，
4/29
看到一个题解说这题很像: 438找到字符串中所有字母异位词
9/10
滑动窗口
本质上就是滑动窗口，只不过是窗口移动时的判断条件变复杂了；
. - 力扣（LeetCode）灵山的题解，搭配视频理解，官方用的hashmap怎么遍历，后面有时间再写吧，这里先用数组；
滑动窗口就是暴力遍历的上位解法，同向双指针，（就像二分查找是顺序数组暴力查找的上位一样）；定义先定义左右指针都指向index = 0；以右指针为基准，随着r++，总会到达满足条件的状态，此时再去l++，区间缩减，左指针向着右指针靠近；直到不满足条件，在这个缩减的过程里更新结果，因为需要的是最小长度的嘛，再去移动右指针；
再去看官方题解对滑动窗口的描述就很好理解了；
伪代码如下：其实也很好理解的，时间复杂度为O(n)；虽然有两个循环
int len...
int l =0;
//for循环中定义r
for(int r = 0; r < len; r++){
//r每到一个位置需要执行的操作
状态更新
while(满足条件){
更新结果；
状态更新
移动左指针，l++;
}
}
return 结果 接下来就是结合具体的条件了；用数组存储当前遍历到的字符串cur（l,r指针包含的串）和子串t的每个字符的出现次数；
- 进入for循环，在每次移动r时，更新cur串的字符出现次数
- while循序的条件是，cur串是否能顾覆盖子串t，字符种类和数量两个方面
- while中将结果串的左右指针暂时更新为l,r(如果长度更小)
- 因为要移动左指针，所以要提前更新l++造成的状态影响，最后再l++；这个顺序还是好好思考一下。
- 优化点：
- while的条件判断时，需要我们对cur和t进行覆盖的判断，需要遍历记录两个串字符数目的数组（或map），左右指针更新时都需要判断；
- 要对上述过程进行优化，我们定义一个变量less，对于子串 t 的每种字符cur串中满足的个数，即cur串中是否包含这个字符，以及数量是否足够；
- less的长度应为 t 的字符种类，数量是否够还是借助之前的数组判断；
- 优化具体到代码：
- r++之后，状态更新不仅要更新cur的字符数量，还要更新less，如果更新到的字符，能够包含了 t 中的某个字符，less--；这里有个坑，比较cur和 t 某个字符数量时，要用==判定为满足，因为这个字符在cur中只可能增加了；连续两个相同字符满足条件时，>=的话less会多减（）。
- while的条件为less == 0
- while里的状态更新时，先假设l++带来的影响（当前 l 对其指向字符数量的变化，这个字，失去这个字符后还能满足覆盖t z中这个字符的条件）；再进行l++
啰嗦了；
最后还有一点思考，之所以可以不断l++到不满足条件，是因为l位置一旦是不满足条件了，后面的l都不会再满足条件
