超基础算法:滑动窗口

简介

滑动窗口,简单来说,就是以动态的边界限定的一组元素。其中边界限定的大小称为窗口大小,边界变化的幅度称为滑动步长。

滑动窗口的应用场景有几个特点:

  1.  需要输出或比较的结果在原数据结构中是连续排列的;
  2.  每次窗口滑动时,只需观察窗口两端元素的变化,无论窗口多长,每次只操作两个头尾元素,当用到的窗口比较长时,可以显著减少操作次数;
  3.  窗口内元素的整体性比较强,窗口滑动可以只通过操作头尾两个位置的变化实现,但对比结果时往往要用到窗口中所有元素。

举例

如下图表示的是一个窗口大小为5,滑动步长为1的滑动窗口。

超基础算法:滑动窗口_第1张图片

窗口一的左边界为1,右边界为5,包含1~5这五个元素。

当下一时刻,窗口整体向右滑动1,此时左边界为2,右边界为6,包含2~6这五个元素。

再下一时刻,窗口整体向右滑动1,此时左边界为3,右边界为7,包含3~7这五个元素。。。

补充:窗口的大小其实是不固定的,也就是说,当右边界向右滑动1时,左边界可以滑动1,也可以不滑动,还可以滑动任何大于0且小于窗口大小的值(如果大于窗口大小,就超过右边界了)。

应用

以下是一道力扣中的原题:

209. 长度最小的子数组

给定一个含有 n 个正整数的数组和一个正整数 s ,找出该数组中满足其和 ≥ s 的长度最小的连续子数组,并返回其长度。如果不存在符合条件的连续子数组,返回 0。

示例: 

输入: s = 7, nums = [2,3,1,2,4,3]
输出: 2
解释: 子数组 [4,3] 是该条件下的长度最小的连续子数组

解:

class Solution {
    public int minSubArrayLen(int s, int[] nums) {
        int leftPoint = 0;
        int rightPoint = 0;
        int sum = 0 ;
        int result = Integer.MAX_VALUE;
        //当右指针小于数组的最大程度
        while (rightPoint=s){
                //更新result的值
                result = Math.min(rightPoint-leftPoint,result)
                //去除左边界的元素,如果仍然满足sum>=s的条件,则会再次判断,否则右指针向右滑动
                sum = sum-nums[leftPoint];
                leftPoint++;
            }
            rightPoint++;
        }
        return result == Integer.MAX_VALUE ? 0 : result+1;
    }
}

通常队列这种数据类型非常适合滑动窗口,但是代码中使用了双指针来表示窗口的左右边界。

  1. 先将右指针向右滑动,左指针不动,当左右指针表示的窗口中所有元素的sum值满足条件,则更新满足条件的最小窗口大小,并尝试将左指针也向右移动。
  2. 左指针向右移动后,再次判断是否仍然满足条件,如果仍然满足,则重复第二步。
  3. 直到不满足条件时,继续第一步的操作。
  4. 最后返回result。

你可能感兴趣的:(基础算法)