滑动窗口(一)

简介: 滑动窗口(一)

滑动窗口

什么是滑动窗口算法?通俗的来讲就是 “同向双指针” ,当一组数据的规律含有单调性的时候,就可以使用下面这套逻辑来优化暴力解法。

当两个指针同向移动的时候,类似于一个窗口在滑动。使用于在连续序列里找特殊的子串、子数列、子数组等。

下面将用一道题来解释上面的逻辑。

长度最小的子数组

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 target

找出该数组中满足其和 ≥ target 的长度最小的 连续子数组 [numsl, numsl+1, ..., numsr-1, numsr] ,并返回其长度如果不存在符合条件的子数组,返回 0

定义两个指针 left,right,都从零位置开始,用 sum 记录子数组的和。

第一步:进窗口(sum+=nums [right] ),将第一个值添加到 sum 中。

第二步:判断:sum 是否 大于等于题目要求的 target ,如果符合,就进入循环:更新长度 最小长度 len,让‘窗口’向右划(left左移)!再次进行第二步的判断,当不满足 sum 大于等于 target 这个要求的时候,就让 right++,准备下次的进窗口。

这道题还有一个细节需要注意:需要定义一个 flag 如果 满足过sum大于等于 就要让 flag 的值改变,只要当他满足过的时候,才能返回 len,否则就是序列中没有满足条件的,返回 0。

class Solution {
public:
    int minSubArrayLen(int target, vector<int>& nums) {
        int left = 0, right = 0, n = nums.size();
        int sum = 0;
        int len = nums.size();
        int flag = 0;
        while (right < n)
        {    
            sum += nums[right];
            while(sum >= target)
            {
                flag = 1;
                if (right - left < len) len = right - left + 1;
                sum -= nums[left];
                left++;
            }
            right++;
        }
        if(flag == 1) return len;
        else return 0;
    }
};

无重复字符的最长子串

无重复字符的最长子串

给定一个字符串 s ,请你找出其中不含有重复字符的 最长连续子字符串 的长度。

思路:利用哈希表作为判断字符是否重复的依据,使用滑动窗口更新最长的长度。

因为数据比较少,所以可以直接使用 ASCII 来构建哈希表,将ASCII 当做下标,出现了的话那个位置的数就加1.

判断条件为:hash 表里 right 位置的值大于1,说明有重复的字符进入了哈希表,然后开始出窗口,循环出,直至这个 hash 表里 right 位置的值等于1后,right++,为下一次进窗口做准备。

class Solution {
public:
    int lengthOfLongestSubstring(string s) {
        int left = 0,right = 0,n=s.size();
        int len = 0;
        int hash[128]={0};
        while(right < n)
        {
            hash[s[right]]++;
            while(hash[s[right]]>1)
            {
                hash[s[left++]]--;
            }
            len = max(len, right -left + 1);
            right++;
        }
        return len;
    }
};

最大连续1的个数

最大连续1的个数 III

给定一个二进制数组 nums 和一个整数 k,如果可以翻转最多 k0 ,则返回 数组中连续 1 的最大个数

此题如果采用正常方法的话,将是特别特别难的一道题,所以采用正难则反的思想。

将题目中找反转不大于K个0后的连续1的最大个数,转化为:找最长的子数组,其中这个子数组中 0 的个数不大于 K,利用滑动指针来解决就可以了,判断条件就是子数组中 0 个数小于等于 K,更新的结果就是这个子数组的长度!

class Solution {
public:
    int longestOnes(vector<int>& nums, int k) {
        //题目转化为在数组中找到一个子数组,里面零的个数小于 K 个
        int left = 0, right = 0, zero = 0;
        int n = nums.size();
        int len = 0;
        while (right < n)
        {
            if(nums[right]==0) zero++;
            while (zero > k)
            {
                if (nums[left] == 0) zero--;
                left++;
            }
            len = max(len, right - left+1);
            right++;
        }
        return len;
    }
};

将 x 减到 0 的最小操作数

将 x 减到 0 的最小操作数

给你一个整数数组 nums 和一个整数 x 。每一次操作时,你应当移除数组 nums 最左边或最右边的元素,然后从 x 中减去该元素的值。请注意,需要 修改 数组以供接下来的操作使用。

如果可以将 x 恰好 减到 0 ,返回 最小操作数 ;否则,返回 -1

依旧是正难则反

将问题转化为:在数组中间找到一个最长的子数组,使它的值恰好等于 sum - x, 当数组中间这个子数组最长时,刚好对应了两边的数(即操作最少),算出除了这个数组外序列剩余的个数,就找到了最小操作数。

相关文章
|
6月前
|
存储 算法 Java
【算法系列篇】滑动窗口-1
【算法系列篇】滑动窗口-1
|
算法 索引
算法—滑动窗口
滑动窗口算法简介滑动窗口,顾名思义,就是有一个大小可变的窗口,左右两端方向一致的向前滑动(右端固定,左端滑动;左端固定,右端滑动)。可以想象成队列,一端在push元素,另一端在pop元素,如下所示:假设有数组[a b c d e f g h]一个大小为3的滑动窗口在其上滑动,则有:[a b c][b c d][c d e][d e f][e f g][f g h]适用范围1、一般是字符串或...
56 0
|
2月前
|
存储 算法 容器
滑动窗口详解
本文介绍了滑动窗口算法及其应用。具体题目有: 1. 长度最小的子数组(LeetCode 209)。 2. 无重复字符的最长子串(LCR 016)。 3. 最大连续 1 的个数 III(LeetCode 1004)。 4. 将 x 减到 0 的最小操作数(LeetCode 1658)。 5. 水果成篮(LeetCode 904)。 6. 找到字符串中所有字母异位词(LeetCode 438)。 7. 串联所有单词的子串(LeetCode 30)。 8. 最小覆盖子串(LeetCode 76)。 每题详细分析了暴力解法及滑动窗口优化方案,附带代码实现。
60 3
滑动窗口详解
|
1月前
【LeetCode 04】滑动窗口法总结
【LeetCode 04】滑动窗口法总结
15 0
|
4月前
|
算法
算法 —— 滑动窗口
算法 —— 滑动窗口
35 2
|
算法 C++
【LeetCode 算法专题突破】滑动窗口(⭐)
【LeetCode 算法专题突破】滑动窗口(⭐)
52 0
|
存储 算法 Java
趣味算法:滑动窗口算法的理解与应用
前言 在编程和数据结构中,滑动窗口算法是一种常见的解决问题的方法。它主要用于处理涉及连续或固定长度子数组、子序列或子字符串的问题。本文将深入探讨滑动窗口算法,包括其基本概念、应用场景、基本步骤以及具体的Java代码实践。
581 0
|
6月前
|
算法 索引 容器
滑动窗口(二)
滑动窗口(二)
|
6月前
|
算法 Java 索引
【算法系列篇】滑动窗口-2
【算法系列篇】滑动窗口-2
浅谈滑动窗口及个人理解
浅谈滑动窗口及个人理解
65 0
浅谈滑动窗口及个人理解