滑动窗口是有一个基本的模版的,不要自己想当然哦~
滑动窗口算法思想(附经典例题)_滑动窗口的思想-CSDN博客
滑动窗口也叫同向双指针;可以先看一下灵山视频:滑动窗口【基础算法精讲 03】_哔哩哔哩_bilibili
3.无重复字符的最长子串
2024/4/17
DP
原来的做法是,遍历给的字符串,如果字符没有出现(哈希表中不包含该字符)就加入到哈希表,对应的value为0,包含该字符,value为1。然后找到最长的连续0。乍一看没问题,对于题目给的用例3就不行。pwwkew。结果是wke,或许定义为第一次被用到好点?也不太行
用dp。定义dp[i]:以i位置结尾的最长无重复子串的长度,妈呀,想到了最长括号匹配的那个dp,因为要用下标减去dp。
如果 i+1 位置的字符不包含在 i 位置结尾的最长无重复子串中,那么dp[ i+1 ] = dp[ i ] + 1;
如果 i+1 位置的字符包含在 i 位置的最长无重复子串中,找到和 i+1 重复字符的下标 index,
dp[ i+1 ] = i+1 - index;这个是基于dp的定义。
现在还没解决的问题就是如果判断包不包含 i + 1 位置的字符?哈希,基于之前的经验哈希不太适合解决存储重复key,所以我们不把字符作为哈希的key值,调换一下常规的思维,把下标作为key,字符作为value存储。利用containsValue判断,不行,怎么得到index呢?
在dp遍历更新时同时构造hash,key为字符,value为下标,对于重复元素这样value存储的肯定是距离 i 最近的那个下标,由于dp[ i ] 是无重复最长子串,如果 i+1 位置的字符在hash中已存在,获取充分字符的下标x,如果 x <= i - dp[ i ],那么不包含,否则包含。
再定义一个res迭代更新最大dp就行。
class Solution {
public int lengthOfLongestSubstring(String s) {
char arr[] = s.toCharArray();
HashMap<Character, Integer> map = new HashMap<>();
int[] dp = new int [arr.length];
int res = 0;
for(int i = 0; i < arr.length; i++){
int x = 0;
if(i == 0) {
dp[i] = 1;
} else {
if(map.containsKey(arr[i])){
x = map.get(arr[i]);
if( x < i - dp[i-1] ){
dp[i] = dp[i-1] + 1;
} else {
dp[i] = i - x;
}
} else {
dp[i] = dp[i-1] + 1;
}
}
map.put(arr[i], i);
res = Math.max(dp[i], res);
}
return res;
}
}
滑动窗口
伪代码,时间复杂度为O(n),Link
滑动窗口算法的时间复杂度通常是 O(n)的,其中 n 表示字符串或数组的长度。这是因为滑动窗口算法只需要对每个元素至多遍历一遍,同时也只需要在窗口的左右边界上移动,因此总的操作次数不会超过 2n 次。
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(因为r移动)
while(满足条件){
更新结果;
状态更新(因为l移动)
移动左指针,l++;
}
}
return 结果
左指针移动的时候,不要忘记更新当前的集合状态;
用list集合存储的时候更新左边界,是list.remove(0);
用set集合本身就是去重的,为啥更新左边界的时候一定要去除呢,想清楚
438.找到字符串中所有字母异位词
看这个题解:link
这种字符串异位词啥的,最小覆盖子串这种,关键的还是词频,定义数组记录每个字母出现的次数;再做就有思路了;
第一种定长的,感觉算不上标准的滑动窗口,就是判断词频数组是否一致
第二种,标准的模版,什么时候满足,为什么只保证当前的right就行?因为right经过的地方都满足