系列综述:
目的:本系列是个人整理为了秋招面试
的,整理期间苛求每个知识点,平衡理解简易度与深入程度。
来源:材料主要源于【CodeTopHot300】进行的,每个知识点的修正和深入主要参考各平台大佬的文章,其中也可能含有少量的个人实验自证。
结语:如果有帮到你的地方,就点个赞和关注一下呗,谢谢!!!
【C++】秋招&实习面经汇总篇
点此到文末惊喜↩︎
线性表
(数组/字符串)中,满足条件
的连续子区间性质
(最长/最短等)的相关问题复用子区间性质的计算结果
,从而减少循环层数,降低时间复杂度解决的问题:
给定一个线性表(字符串、数组等),一次遍历求满足指定条件的连续子部分
/* 滑动窗口算法框架 */
void slidingWindow(string s, string t) {
// 参数的健壮性检查
if (s.size() < t.size()) return ;
// 子区间性质的信息缓存
unordered_map<char, int> need, window;
for (char c : t) need[c]++;
int valid = 0;
// 算法
int left = 0, right = 0;
while (right < s.size()) {
// c 是将移入窗口的字符
char c = s[right];
// 右移窗口
right++;
// 进行窗口内数据的一系列更新
...
/*** debug 输出的位置 ***/
printf("window: [%d, %d)\n", left, right);
/********************/
// 判断左侧窗口是否要收缩
while (window needs shrink) {
// d 是将移出窗口的字符
char d = s[left];
// 左移窗口
left++;
// 进行窗口内数据的一系列更新
...
}
}
}
int Template(string s) {
// 健壮性检查
if(s.size() == 0) return 0;
// TODO:记录窗口子区间性质
int max_len = 0;
unordered_set<char> windows;
// 初始化
int left = 0, right = 0;
while (right < s.size()) {
// 缩小窗口
while (windows.count(s[right]) != 0){
windows.erase(s[left]);
++left;
}
// 增大窗口
windows.insert(s[right]);
++right;
max_len = max(max_len, right-left); // TODO:更新子区间性质
}
return max_len;
}
class Solution {
private:
class MyQueue { //单调队列(从大到小)
public:
deque<int> que; // 使用deque来实现单调队列
// 每次弹出的时候,比较当前要弹出的数值是否等于队列出口元素的数值,如果相等则弹出。
// 同时pop之前判断队列当前是否为空。
void pop (int value) {
if (!que.empty() && value == que.front()) {
que.pop_front();
}
}
// 如果push的数值大于入口元素的数值,那么就将队列后端的数值弹出,直到push的数值小于等于队列入口元素的数值为止。
// 这样就保持了队列里的数值是单调从大到小的了。
void push (int value) {
while (!que.empty() && value > que.back()) {
que.pop_back();
}
que.push_back(value);
}
// 查询当前队列里的最大值 直接返回队列前端也就是front就可以了。
int front() {
return que.front();
}
};
public:
vector<int> maxSlidingWindow(vector<int>& nums, int k) {
MyQueue que;
vector<int> result;
for (int i = 0; i < k; i++) { // 先将前k的元素放进队列
que.push(nums[i]);
}
result.push_back(que.front()); // result 记录前k的元素的最大值
for (int i = k; i < nums.size(); i++) {
que.pop(nums[i - k]); // 滑动窗口移除最前面元素
que.push(nums[i]); // 滑动窗口前加入最后面的元素
result.push_back(que.front()); // 记录对应的最大值
}
return result;
}
};
string SlideWindow(string s, string t) {
// 窗口性质:need记录子串情况,window记录合适窗口
unordered_map<char, int> need, window; // need记录目标窗口状态,window记录当前窗口状态
for (char c : t) need[c]++; // 子串中可能出现重复字母
int valid = 0; // 目标窗口和当前窗口符合字符的大小
int start = 0, len = INT_MAX; // 符合条件子串的起始位置和长度
// 初始化及滑动窗口算法
int left = 0, right = 0;
while (right < s.size()) {
char c = s[right]; // c 是将移入窗口的字符
right++; // 右移窗口
// 进行窗口内数据的一系列更新
if (need.count(c)) {
window[c]++;
if (window[c] == need[c])
valid++;
}
while (valid == need.size()) { // TODO:收缩条件
// TODO:更新结果记录
if (right - left < len) {
start = left;// 更新起始值
len = right - left;// 最小长度
}
// 收缩窗口
char d = s[left];
left++;
// TODO:收缩处理
if (need.count(d)) {
if (window[d] == need[d])
valid--;
window[d]--;
}
}
}
// 返回最小覆盖子串
return len == INT_MAX ?
"" : s.substr(start, len);
}
// 返回字符串 s 中包含字符串 t 的全部字符的最小窗口
string SlideWindow(string s, string t) {
// need记录子串情况,window记录合适窗口
unordered_map<char, int> need, window;
for (char c : t) need[c]++;
int left = 0, right = 0;
// 记录最小覆盖子串的起始索引及长度
int start = 0, len = INT_MAX;
int valid = 0;
while (right < s.size()) {
char c = s[right]; // c 是将移入窗口的字符
right++; // 右移窗口
// 进行窗口内数据的一系列更新
if (need.count(c)) {
window[c]++;
if (window[c] == need[c])
valid++;
}
while (valid == need.size()) { // TODO:收缩条件
// TODO:更新结果记录
if (right - left < len) {
start = left;// 更新起始值
len = right - left;// 最小长度
}
// 收缩窗口
char d = s[left];
left++;
// TODO:收缩处理
if (need.count(d)) {
if (window[d] == need[d])
valid--;
window[d]--;
}
}
}
// 返回最小覆盖子串
return len == INT_MAX ?
"" : s.substr(start, len);
}
点此跳转到首行↩︎