从小白开始刷算法 滑动窗口篇 leetcode.1456

简介: 从小白开始刷算法 滑动窗口篇 leetcode.1456

1456. 定长子串中元音的最大数目


给你字符串 s 和整数 k 。

请返回字符串 s 中长度为 k 的单个子字符串中可能包含的最大元音字母数。

英文中的 元音字母 为(a, e, i, o, u)。


示例 1:


输入:s = “abciiidef”, k = 3

输出:3

解释:子字符串 “iii” 包含 3 个元音字母。

示例 2:


输入:s = “aeiou”, k = 2

输出:2

解释:任意长度为 2 的子字符串都包含 2 个元音字母。

示例 3:


输入:s = “leetcode”, k = 3

输出:2

解释:“lee”、“eet” 和 “ode” 都包含 2 个元音字母。

示例 4:


输入:s = “rhythms”, k = 4

输出:0

解释:字符串 s 中不含任何元音字母。

示例 5:


输入:s = “tryhard”, k = 4

输出:1


题目来源:力扣(LeetCode)


滑动窗口思路


能否写出:能写出,但需要看思路。

时间:30多分钟

滑动窗口是一种常用的算法技巧,用于处理数组或字符串中连续子数组或子串的问题。它通过维护一个窗口,根据问题的要求移动窗口的起始位置和结束位置,从而在窗口内部进行计算或判断。


思路:


代码中,滑动窗口的大小为 k,即需要找到长度为 k 的子字符串。初始时,窗口的起始位置为 0,结束位置为 k-1。

首先,使用一个循环遍历前 k 个字符,统计窗口内元音字母的数量,并将结果保存在计数变量 count 中。

然后,更新结果变量 result 为当前计数变量 count 和之前的结果变量中的较大值。

接下来,使用另一个循环从第 k 个字符开始遍历剩余字符。每次移动窗口时,将新加入窗口的字符判断是否为元音字母,并根据情况更新计数变量 count。同时,将移出窗口的字符判断是否为元音字母,并相应地更新计数变量 count

在每次移动窗口时,更新结果变量 result 为当前计数变量 count 和之前的结果变量中的较大值。

最后,返回最终的结果 result

通过滑动窗口的技巧,避免了对每个子字符串进行重复的计算,从而提高了算法的效率。


// 仅是我的思路代码,leetcode上大神更厉害
class Solution {
    public int maxVowels(String s, int k) {
        int result = 0;
        int count = 0;
        for (int i = 0; i < k; i++) {
            count += isVowel(s.charAt(i));
        }
        result = Math.max(result, count);
        for (int i = k; i < s.length(); i++) {
            //新加入窗口的字符判断是否为元音字母,并根据情况更新计数变量 count。
            //将移出窗口的字符判断是否为元音字母,并相应地更新计数变量 count
            count += isVowel(s.charAt(i)) - isVowel(s.charAt(i - k));
            result = Math.max(result, count);
        }
        return result;
    }
    public int isVowel(char ch) {
        return ch == 'a' || ch == 'e' || ch == 'i' || ch == 'o' || ch == 'u' ? 1 : 0;
    }
}

时间复杂度: O(n)

空间复杂度:O(1)

相关文章
|
算法
【算法】滑动窗口——最大连续1的个数
【算法】滑动窗口——最大连续1的个数
181 0
|
2月前
|
存储 算法
算法入门:专题二---滑动窗口(长度最小的子数组)类型题目攻克!
给定一个正整数数组和目标值target,找出总和大于等于target的最短连续子数组长度。利用滑动窗口(双指针)优化,维护窗口内元素和,通过单调性避免重复枚举,时间复杂度O(n)。当窗口和满足条件时收缩左边界,更新最小长度,最终返回结果。
|
8月前
|
机器学习/深度学习 监控 算法
员工上网行为监控软件中基于滑动窗口的C#流量统计算法解析​
在数字化办公环境中,员工上网行为监控软件需要高效处理海量网络请求数据,同时实时识别异常行为(如高频访问非工作网站)。传统的时间序列统计方法因计算复杂度过高,难以满足低延迟需求。本文将介绍一种基于滑动窗口的C#统计算法,通过动态时间窗口管理,实现高效的行为模式分析与流量计数。
259 2
|
2月前
|
存储 人工智能 算法
从零掌握贪心算法Java版:LeetCode 10题实战解析(上)
在算法世界里,有一种思想如同生活中的"见好就收"——每次做出当前看来最优的选择,寄希望于通过局部最优达成全局最优。这种思想就是贪心算法,它以其简洁高效的特点,成为解决最优问题的利器。今天我们就来系统学习贪心算法的核心思想,并通过10道LeetCode经典题目实战演练,带你掌握这种"步步为营"的解题思维。
【LeetCode 26】239.滑动窗口最大值
【LeetCode 26】239.滑动窗口最大值
134 1
|
8月前
|
存储 机器学习/深度学习 监控
如何监控员工的电脑——基于滑动时间窗口的Java事件聚合算法实现探析​
在企业管理场景中,如何监控员工的电脑操作行为是一个涉及效率与合规性的重要课题。传统方法依赖日志采集或屏幕截图,但数据量庞大且实时性不足。本文提出一种基于滑动时间窗口的事件聚合算法,通过Java语言实现高效、低资源占用的监控逻辑,为如何监控员工的电脑提供一种轻量化解决方案。
233 3
|
6月前
|
存储 机器学习/深度学习 监控
公司电脑上网监控中滑动窗口算法的理论构建与工程实现
本文提出一种基于滑动窗口算法的实时网络流量监控框架,旨在强化企业信息安全防护体系。系统采用分层架构设计,包含数据采集、处理与分析决策三大模块,通过 Java 实现核心功能。利用滑动窗口技术动态分析流量模式,结合阈值检测与机器学习模型识别异常行为。实验表明,该方案在保证高检测准确率的同时支持大规模并发处理,为企业数字化转型提供可靠保障。
166 0
|
算法
Leetcode 初级算法 --- 数组篇
Leetcode 初级算法 --- 数组篇
158 0
|
9月前
|
存储 监控 算法
基于 PHP 语言的滑动窗口频率统计算法在公司局域网监控电脑日志分析中的应用研究
在当代企业网络架构中,公司局域网监控电脑系统需实时处理海量终端设备产生的连接日志。每台设备平均每分钟生成 3 至 5 条网络请求记录,这对监控系统的数据处理能力提出了极高要求。传统关系型数据库在应对这种高频写入场景时,性能往往难以令人满意。故而,引入特定的内存数据结构与优化算法成为必然选择。
261 3
|
算法
【算法】滑动窗口——最小覆盖子串
【算法】滑动窗口——最小覆盖子串
156 0

热门文章

最新文章