刷刷刷——滑动窗口
文章目录
- 209. 长度最小的子数组（中等）
- 题目链接
- 算法原理
- 代码实现
- 3. 无重复字符的最长子串（中等）
- 题目链接
- 算法原理
- 代码实现
- 1004. 最大连续1的个数 III（中等）
- 题目链接
- 算法原理
- 代码实现
- 1658. 将 x 减到 0 的最小操作数（中等）
- 题目链接
- 算法原理
- 代码实现
- 904. 水果成篮（中等）
- 题目链接
- 算法原理
- 代码实现
- 438. 找到字符串中所有字母异位词（中等）
- 题目链接
- 算法原理
- 代码实现
- 30. 串联所有单词的子串（困难）
- 题目链接
- 算法原理
- 代码实现
- 76. 最小覆盖子串（困难）
- 题目链接
- 算法原理
- 代码实现
209. 长度最小的子数组（中等）
题目链接
209. 长度最小的子数组
算法原理
暴力枚举：
这里可以枚举出所有子数组的和，然后从中选出符合条件的，最后再选出长度最小的那组，这样的时间复杂度为O(N2)
滑动窗口：
代码实现
class Solution {
public:
int minSubArrayLen(int target, vector<int>& nums)
{
int sz = nums.size();
int ret = INT_MAX;
int sum = 0;
for(int left=0,right=0;right<sz;right++)
{
sum+=nums[right];
while(sum>=target)
{
ret = min(ret,right-left+1);
sum-=nums[left++];
}
}
return ret==INT_MAX?0:ret;
}
};
3. 无重复字符的最长子串（中等）
题目链接
3. 无重复字符的最长子串
算法原理
暴力枚举+哈希表：
每个位置都进行从前往后枚举，然后用哈希表统计是否出现了重复元素
滑动窗口：
在暴力枚举的思想上做出优化
代码实现
class Solution {
public:
int lengthOfLongestSubstring(string s)
{
int left = 0;
int right = 0;
int hash[128] = { 0 };
int ret = INT_MIN;
while(right<s.size())
{
//进窗口
hash[s[right]]++;
//值有重复，出窗口
while(hash[s[right]]>1)
{
hash[s[left++]]--;
}
ret = max(ret,right-left+1);
right++;
}
return ret==INT_MIN?0:ret;
}
};
1004. 最大连续1的个数 III（中等）
题目链接
1004. 最大连续1的个数 III
算法原理
暴力枚举+0计数器
连续的1，再加上k个0
滑动窗口：
代码实现
class Solution {
public:
int longestOnes(vector<int>& nums, int k)
{
int left = 0;
int right = 0;
int zeroCount = 0;
int ret = INT_MIN;
while(right<nums.size())
{
if(nums[right] == 0)
zeroCount++;
while(zeroCount>k)
{
if(nums[left] == 0)
zeroCount--;
left++;
}
ret = max(ret,right-left+1);
right++;
}
return ret;
}
};
1658. 将 x 减到 0 的最小操作数（中等）
题目链接
1658. 将 x 减到 0 的最小操作数
算法原理
思路转换：
找出最长的子数组长度，让这个子数组中元素的和正好等于sum-x（sum为整个数组的和），然后采用滑动窗口思想
代码实现
class Solution {
public:
int minOperations(vector<int>& nums, int x)
{
int left = 0;
int right = 0;
int len = INT_MIN;
int arrSum=0;
for(auto e:nums)
{
arrSum+=e;
}
int sum = 0;
int target = arrSum-x;
//target<0的话，滑动窗口就不适用
if(target < 0)
return -1;
while(right<nums.size())
{
sum+=nums[right];
while(sum>target)
{
sum-=nums[left];
left++;
}
if(sum == target)
len = max(len,right-left+1);
right++;
}
return len==INT_MIN?-1:nums.size()-len;
}
};
904. 水果成篮（中等）
题目链接
904. 水果成篮
算法原理
这里原始思路也是暴力枚举+哈希表，再原思路上作出优化，采用滑动窗口思想
代码实现
使用库里面的哈希表：
class Solution {
public:
int totalFruit(vector<int>& fruits)
{
unordered_map<int,int> mp;
int ret = INT_MIN;
int left = 0;
int right = 0;
while(right<fruits.size())
{
mp[fruits[right]]++;
while(mp.size() > 2)
{
mp[fruits[left]]--;
if(mp[fruits[left]] == 0)
mp.erase(fruits[left]);
left++;
}
ret = max(ret,right-left+1);
right++;
}
return ret==INT_MIN?0:ret;
}
};
这里提交会发现，时间还是较长的，虽然量级是在O(N)，但因为这里涉及到哈希表的多次插入和删除，所以还是费些时间；
然后这里发现，题目给的数据范围有限：
1 <= fruits.length <= 105，所以我们可以模拟哈希表的操作，自己造一个建议的哈希表
简易哈希表：
class Solution {
public:
int totalFruit(vector<int>& fruits)
{
//unordered_map mp;
int hash[100001] = { 0 };
int ret = INT_MIN;
int left = 0;
int right = 0;
int kinds = 0;
while(right<fruits.size())
{
if(hash[fruits[right]] == 0)
kinds++;
hash[fruits[right]]++;
while(kinds > 2)
{
hash[fruits[left]]--;
if(hash[fruits[left]] == 0)
kinds--;
left++;
}
ret = max(ret,right-left+1);
right++;
}
return ret==INT_MIN?0:ret;
}
};
对比：
438. 找到字符串中所有字母异位词（中等）
题目链接
438. 找到字符串中所有字母异位词
算法原理
滑动窗口+哈希表：
将字符丢入哈希表，然后当窗口大小等于p的大小的时候，开始判断这个哈希表是否相同
代码实现
class Solution
{
public:
bool checkHash(int h1[], int h2[])
{
for (int i = 0, j = 0; i < 26; i++,j++)
{
if (h1[i] != h2[j])
return false;
}
return true;
}
vector<int> findAnagrams(string s, string p)
{
int left = 0;
int right = 0;
vector<int> ret;
int hash1[26] = { 0 };
int hash2[26] = { 0 };
for (auto e : p)
{
hash1[e - 97]++;
}
while (right < s.size())
{
hash2[s[right] - 97]++;
if (right - left + 1 == p.size())
{
if (checkHash(hash1, hash2))
ret.push_back(left);
hash2[s[left++] - 97]--;
right++;
continue;
}
right++;
}
return ret;
}
};
这里每次都要比较哈希表，复杂度其实是O(26*N)，我们可以将比较方法改变一下
优化：
不对比哈希表，用count记录窗口有效字符的个数
class Solution
{
public:
vector<int> findAnagrams(string s, string p)
{
int left = 0;
int right = 0;
vector<int> ret;
int hash1[26] = { 0 };
int hash2[26] = { 0 };
for (auto e : p)
{
hash1[e - 97]++;
}
int count = 0;
while (right < s.size())
{
hash2[s[right] - 97]++;
if(hash2[s[right]-97] <= hash1[s[right]-97])
count++;
if(right-left+1>p.size())
{
if(hash2[s[left]-97]<=hash1[s[left]-97])
{
count--;
}
hash2[s[left++]-97]--;
}
if(count == p.size())
ret.push_back(left);
right++;
}
return ret;
}
};
对比
30. 串联所有单词的子串（困难）
题目链接
30. 串联所有单词的子串
算法原理
采用438. 找到字符串中所有字母异位词的思路，将这些字符串看作字符
代码实现
class Solution {
public:
vector<int> findSubstring(string s, vector<string>& words)
{
vector<int> ret;
unordered_map<string, int> hash1;
for (auto e : words)
{
hash1[e]++;
}
int sz = s.size();
int len = words[0].size();
int m = words.size();
for(int i =0;i<len;i++)
{
int count = 0;
unordered_map<string, int> hash2;
for (int left = i, right = i; right < sz;)
{
string tmp = s.substr(right, len);
hash2[tmp]++;
//如果表1里面没有这个元素，就直接不比较了，避免又再临时去哈希表里面创建一个
if (hash1.count(tmp) && hash2[tmp] <= hash1[tmp])
count++;
if (right - left + 1 > m*len)
{
string out = s.substr(left, len);
if (hash1.count(out) && hash2[out] <= hash1[out])
count--;
hash2[out]--;
left += len;
}
if (count == m)
ret.push_back(left);
right += len;
}
}
return ret;
}
};
76. 最小覆盖子串（困难）
题目链接
76. 最小覆盖子串
算法原理
哈希表+滑动窗口：
2个哈希表：一个放t的元素，然后统计有多少种元素；另一个用滑动窗口来放入元素，当这个哈希表中包含目标字符串，并且对应个数不小于目标串哈希表中各字符的个数时，那就可以更新这个窗口的大小
代码实现
class Solution
{
public:
string minWindow(string s, string t)
{
int hash1[128] = { 0 };
int kinds = 0; //字符种类
for(auto e:t)
{
if(hash1[e] == 0)
kinds++;
hash1[e]++;
}
int count = 0;
int len = INT_MAX;
int begin = -1;
int hash2[128] = { 0 };
for(int left=0,right=0;right<s.size();right++)
{
int in = s[right];
if(++hash2[in] == hash1[in])
count++;
while(count == kinds)
{
if(right-left+1<len)
{
len = right-left+1;
begin = left;
}
int out = s[left++];
if(hash2[out]-- == hash1[out])
count--;
}
}
return len==INT_MAX?"":s.substr(begin,len);
}
};