浅谈滑动窗口及个人理解

简介: 浅谈滑动窗口及个人理解

#滑动窗口

滑动窗口是利用双指针思想,两指针指向的元素之间形成窗口。

窗口类型可固定也可动态变化

##应用

一般用于数组或者字符串的数组处理

求取某个子串或者子序列最长最短等最值问题或者求某个目标值时

这类问题一般用暴力会TLE


图示为窗口滑动


38c14eca6956695f3f48b372f9945a9b_b1597eb0a6594c24bf3dcb2f9a580305.png


模板题 滑动窗口最大值


给你一个整数数组 nums,有一个大小为 k 的滑动窗口从数组的最左侧移动到数组的最右侧。你只可以看到在滑动窗口内的 k 个数字。滑动窗口每次只向右移动一位。

返回 滑动窗口中的最大值 。

示例 1:

输入:nums = [1,3,-1,-3,5,3,6,7], k = 3

输出:[3,3,5,5,6,7]

解释:

滑动窗口的位置 最大值

[1 3 -1] -3 5 3 6 7 3

1 [3 -1 -3] 5 3 6 7 3

1 3 [-1 -3 5] 3 6 7 5

1 3 -1 [-3 5 3] 6 7 5

1 3 -1 -3 [5 3 6] 7 6

1 3 -1 -3 5 [3 6 7] 7

示例 2:

输入:nums = [1], k = 1

输出:[1]

提示:

1 <= nums.length <= 105

-104 <= nums[i] <= 104

1 <= k <= nums.length

class Solution {
public:
    vector<int> maxSlidingWindow(vector<int>& nums, int k) 
    {
        vector<int>sum;//答案数组
        deque<int> q;//创建一个双端队列
        for(int i=0;i<nums.size();i++)
        {
            while(q.size()&&q.front()<=i-k)//保证队列首端元素有效
            q.pop_front();
            while(!q.empty()&&nums[i]>=nums[q.back()])//保证队列内元素严格降序,有大的元素插入向前清除
            q.pop_back();
            q.push_back(i);
            if(i>=k-1)
            sum.push_back(nums[q.front()]);//每次向数组内插入当前窗口最大值
        }
        return sum;
    }
};


力扣1438. 绝对差不超过限制的最长连续子数组


给你一个整数数组 nums ,和一个表示限制的整数 limit,请你返回最长连续子数组的长度,该子数组中的任意两个元素之间的绝对差必须小于或者等于 limit 。

如果不存在满足条件的子数组,则返回 0 。

示例 1:

输入:nums = [8,2,4,7], limit = 4

输出:2

解释:所有子数组如下:

[8] 最大绝对差 |8-8| = 0 <= 4.

[8,2] 最大绝对差 |8-2| = 6 > 4.

[8,2,4] 最大绝对差 |8-2| = 6 > 4.

[8,2,4,7] 最大绝对差 |8-2| = 6 > 4.

[2] 最大绝对差 |2-2| = 0 <= 4.

[2,4] 最大绝对差 |2-4| = 2 <= 4.

[2,4,7] 最大绝对差 |2-7| = 5 > 4.

[4] 最大绝对差 |4-4| = 0 <= 4.

[4,7] 最大绝对差 |4-7| = 3 <= 4.

[7] 最大绝对差 |7-7| = 0 <= 4.

因此,满足题意的最长子数组的长度为 2 。

示例 2:


输入:nums = [10,1,2,4,7,2], limit = 5

输出:4

解释:满足题意的最长子数组是 [2,4,7,2],其最大绝对差 |2-7| = 5 <= 5 。

示例 3:

输入:nums = [4,2,2,2,4,4,2,2], limit = 0

输出:3

提示:

1 <= nums.length <= 10^5

1 <= nums[i] <= 10^9

0 <= limit <= 10^9

思路:

和上一题相似,不过需要开两个双端队列分别维护窗口内的最大值和最小值

这样我们只需要计算两个队列的队首的差值,即可知道当前窗口是否满足条件。

class Solution {
public:
    int longestSubarray(vector<int>& nums, int limit) 
    {
        deque<int> q;//最大值队列
        deque<int> qq;//最小值队列
        int j=0,sum=0;
        for(int i=0;i<nums.size();i++)
        {
            while(q.size()&&nums[i]>q.back())//维护最大队列
            q.pop_back();
            while(qq.size()&&nums[i]<qq.back())//维护最小队列
            qq.pop_back();
            q.push_back(nums[i]);
            qq.push_back(nums[i]);
            while(q.size()&&qq.size()&&(q.front()-qq.front()>limit))//清除无效的队列内元素
            {
                if(nums[j]==q.front())
                q.pop_front();
                if(nums[j]==qq.front())
                qq.pop_front();
                j++;
            }
            sum=max(sum,i-j+1);//每次更新最大子数组长度
        }
        return sum;
    }
};

目录
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...
58 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。
61 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
17 0
|
4月前
|
算法
算法 —— 滑动窗口
算法 —— 滑动窗口
37 2
|
5月前
|
算法
双指针+滑动窗口
双指针+滑动窗口
|
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。
585 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
滑动窗口(一)
滑动窗口(一)
|
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