在上一节中,我们使用双端队列完成了滑动窗口的一道颇为困难的题目,以此展示了什么是滑动窗口。在本节中我们将继续深入分析,探索滑动窗口题型一些具有模式性的解法。
01
滑动窗口介绍
对于大部分滑动窗口类型的题目,一般是考察字符串的匹配。比较标准的题目,会给出一个模式串B,以及一个目标串A。然后提出问题,找到A中符合对B一些限定规则的子串或者对A一些限定规则的结果,最终再将搜索出的子串完成题意中要求的组合或者其他。
比如:给定一个字符串 s 和一个非空字符串 p,找到 s 中所有是 p 的字母异位词的子串,返回这些子串的起始索引。
又或者:给你一个字符串 S、一个字符串 T,请在字符串 S 里面找出:包含 T 所有字母的最小子串。
再如:给定一个字符串 s 和一些长度相同的单词 words。找出 s 中恰好可以由 words 中所有单词串联形成的子串的起始位置。
都是属于这一类的标准题型。而对于这一类题目,我们常用的解题思路,是去维护一个可变长度的滑动窗口。无论是使用双指针,还是使用双端队列,又或者用游标等其他奇技淫巧,目的都是一样的。
Now,我们通过一道题目来进行具体学习:
02
第3题:无重复字符的最长子串
第3题:给定一个字符串,请你找出其中不含有重复字符的 最长子串 的长度。
示例 1:
输入: "abcabcbb"
输出: 3
解释: 因为无重复字符的最长子串是 "abc",所以其长度为 3。
示例 2:
输入: "bbbbb"
输出: 1
解释: 因为无重复字符的最长子串是 "b",所以其长度为 1。
示例 3:
输入: "pwwkew"
输出: 3
解释: 因为无重复字符的最长子串是 "wke",所以其长度为 3。
请注意,你的答案必须是 子串 的长度,"pwke" 是一个子序列,不是子串。
03
题解分析
直接分析题目,假设我们的输入为“abcabcbb”,我们只需要维护一个窗口在输入字符串中进行移动。如下图:
当下一个元素在窗口没有出现过时,我们扩大窗口。
当下一个元素在窗口中出现过时,我们缩小窗口,将出现过的元素以及其左边的元素统统移出:
在整个过程中,我们记录下窗口出现过的最大值即可。而我们唯一要做的,只需要尽可能扩大窗口。
那我们代码中通过什么来维护这样的一个窗口呢?anyway~ 不管是队列,双指针,甚至通过map来做,都可以。
我们演示一个双指针的做法:
1//java
2public class Solution {
3 public static int lengthOfLongestSubstring(String s) {
4 int n = s.length();
5 Set set = new HashSet<>();
6 int result = 0, left = 0, right = 0;
7 while (left < n && right < n) {
8 //charAt:返回指定位置处的字符
9 if (!set.contains(s.charAt(right))) {
10 set.add(s.charAt(right));
11 right++;
12 result = Math.max(result, right - left);
13 } else {
14 set.remove(s.charAt(left));
15 left++;
16 }
17 }
18 return result;
19 }
20}
通过观察,我们能看出来。如果是最坏情况的话,我们每一个字符都可能会访问两次,left一次,right一次,时间复杂度达到了O(2N),这是不可饶恕的。不理解的话看下图:
假设我们的字符串为“abcdc”,对于abc我们都访问了2次。
那如何来进一步优化呢?
其实我们可以定义字符到索引的映射,而不是简单通过一个集合来判断字符是否存在。这样的话,当我们找到重复的字符时,我们可以立即跳过该窗口,而不需要对之前的元素进行再次访问。
1//java
2public class Solution {
3 public static int lengthOfLongestSubstring(String s) {
4 int n = s.length(), result = 0;
5 Map map = new HashMap<>();
6 for (int right = 0, left = 0; right < n; right++) {
7 if (map.containsKey(s.charAt(right))) {
8 left = Math.max(map.get(s.charAt(right)), left);
9 }
10 result = Math.max(result, right - left + 1);
11 map.put(s.charAt(right), right + 1);
12 }
13 return result;
14 }
15}
修改之后,我们发现虽然时间复杂度有了一定提高,但是还是比较慢!如何更进一步的优化呢?我们可以使用一个256位的数组来替代hashmap,以进行优化。(因为ASCII码表里的字符总共有128个。ASCII码的长度是一个字节,8位,理论上可以表示256个字符,但是许多时候只谈128个。具体原因可以下去自行学习~)
1//java
2class Solution {
3 public int lengthOfLongestSubstring(String s) {
4 int len = s.length();
5 int result = 0;
6 int[] charIndex = new int[256];
7 for (int left = 0, right = 0; right < len; right++) {
8 char c = s.charAt(right);
9 left = Math.max(charIndex[c], left);
10 result = Math.max(result, right - left + 1);
11 charIndex[c] = right + 1;
12 }
13 return result;
14 }
15}
我们发现优化后时间复杂度有了极大的改善!这里简单说一下原因,对于数组和hashmap访问时,两个谁快谁慢不是一定的,需要思考hashmap的底层实现,以及数据量大小。但是在这里,因为已知了待访问数据的下标,可以直接寻址,所以极大的缩短了查询时间。
04
啰啰嗦嗦
本题基本就到这里。最后要说的,一般建议如果要分析一道题,我们要压缩压缩再压缩,抽茧剥丝一样走到最后,尽可能的完成对题目的优化。不一定非要自己想到最优解,但绝对不要局限于单纯的完成题目,那样将毫无意义!
最后,原创文章实在不易...希望大家可以帮忙转发~不胜感激~(记得打卡)
转发是对我最大的支持!
注:本系列所有教程中都不会用到复杂的语言特性,大家不需要担心没有学过语法知识。算法思想最重要,使用各语言纯属本人爱好。同时,本系列所有代码均在leetcode上进行过测试运行,保证其严谨性!
温馨提示
小浩算法~
每天一起学习图解漫画算法。
一起刷题,一起成长!
~长按下方二维码进行关注吧~
记得每日打卡~