【算法刷题】Day15

1. 串联所有单词的子串

原题链接

---

题干：

给定⼀个字符串 s 和⼀个字符串数组 words
words 中所有字符串 长度相同
s 中的 串联⼦串 是指⼀个包含 words中所有字符串以任意顺序排列连接起来的⼦串

---

算法原理

这道题和 Day14 中 所写的找到字符串所有字母异位词 很像
找到字符串所有字母异位词

因为 words 中所有字符串 长度相同
所以我们就可以把每一个字符串划分为长度相等的小字符串
并且用别的字母代替

s 中我们也可以根据相同的长度进行划分
这样我们对题目就进行了转化

不过在解题方面有些许的不同：

1. 哈希表
   需要使用键值对的方式进行存储
   Map
2. left 和 right 指针的移动
   移动的步长是每个单词的长度（len）
3. 划分窗口的执行次数
   由于 s 可以进行不同的划分
   我们就可以划分成 len 次

---

代码：

class Solution {
    public List<Integer> findSubstring(String s, String[] words) {
        List<Integer> ret = new ArrayList<Integer>();
        Map<String, Integer> hash1 = new HashMap<String, Integer>();//保存字典中所有单词的频次
        for(String str : words) {
            hash1.put(str, hash1.getOrDefault(str, 0) + 1);
        }

        int len = words[0].length();
        int m = words.length;
        for(int i = 0; i < len; i++) {
            Map<String, Integer> hash2 = new HashMap<String, Integer>();//保存窗口内所有单词的频次
            for(int left = i, right = i, count = 0; right + len <= s.length(); right += len) {
                //进窗口 + 维护 count
                String in = s.substring(right, right+len);
                hash2.put(in, hash2.getOrDefault(in, 0) + 1);
                if(hash2.get(in) <= hash1.getOrDefault(in, 0)) {
                    count++;
                }
                //判断
                if(right - left + 1 > len * m) {
                    //出窗口 + 维护 count
                    String out = s.substring(left, left + len);
                    if(hash2.get(out) <= hash1.getOrDefault(out, 0)) {
                    	count--;
                	}
                    hash2.put(out, hash2.get(out) - 1);
                    left += len;
                }
                //更新结果
                if(count == m) {
                    ret.add(left);
                }
            }
        }
        return ret;
    }
}

2. 最小覆盖子串

原题链接

题干：

有字符串 s 和 t
返回 s 中涵盖 t 中所有字符串的最小子串
寻找的子字符串不少于该字符数量

---

算法原理：

1、暴力枚举 + 哈希表

2、滑动窗口 + 哈希表

在暴力解法中，left++，right 需要返回原来重新遍历

那么right 是否需要回去呢？
left++ 后有以下两种情况：

1. 依然符合要求，这个时候 right 不用动
2. 不符合要求，这个时候 right 向后移动

这个时候，我们就可以使用滑动窗口来解决问题

1. left = 0 ，righ = 0
2. 进窗口 hash1[ in ]++
3. 判断 check[ hah1,hash2 ]
   更新结果 更新起始位置 和 最短长度
   出窗口 hash2[ out ]–

---

优化：
我们可以优化判断条件

使用 count 标记有效字符的种类
如果hash2 中 A 的个数 = hash1 中 A 的个数才算有效

1. 进窗口 进之后判断 hash2[ in ] == hash1[ in ]，count++
2. 出窗口 出之前判断 hash2[ out ] == hash1[ out ]，count–
3. 判断条件 count == hash1.size()

---

代码：

class Solution {
    public String minWindow(String ss, String tt) {
        char[] s = ss.toCharArray();
        char[] t = tt.toCharArray();

        int[] hash1 = new int[128];//数组模拟哈希表 统计 t 中字符出现的频次
        int kinds = 0;//字符 t 中，有多少种字符
        for(char ch : t) {
            if(hash1[ch] == 0) {
                kinds++;
            }
            hash1[ch]++;
        }

        int[] hash2 = new int[128];//统计窗口中字符的频次

        int minlen = Integer.MAX_VALUE;
        int begin = -1;
        for(int left = 0,right = 0, count = 0; right < s.length; right++) {
            char in = s[right];
            hash2[in]++;//进窗口 + 维护chount
            if(hash2[in] == hash1[in]) {
                count++;
            }
            while(kinds == count) {//判断
                if(right - left + 1 < minlen) {//更新结果
                    begin = left;
                    minlen = right - left + 1;
                }
                char out = s[left++];
                if(hash2[out] == hash1[out]) {//出窗口 + 维护count
                    count--;
                }
                hash2[out]--;
            }
        }
        if(begin == -1) {
            return new String();
        }else {
            return ss.substring(begin, begin + minlen);
        }
    }
}