带你读《图解算法小抄》二十、滑动窗口(3)

简介: 带你读《图解算法小抄》二十、滑动窗口(3)

带你读《图解算法小抄》二十、滑动窗口(2)https://developer.aliyun.com/article/1347999?groupCode=tech_library


3.最小长度子数组和


给定一个正整数数组nums和一个正整数target,找出数组中满足其和≥target的最短子数组的长度,如果不存在满足条件的子数组,返回0。

 

示例:

 

输入:nums = [2,3,1,2,4,3],target = 7 输出:2 解释:子数组 [4,3] 的和为 7,且长度最小。

输入:nums = [1,4,4],target = 4 输出:1 解释:子数组 [4] 的和为 4,且长度最小。

1题目分析与解题步骤:

这个问题可以使用滑动窗口算法来解决。我们可以维护一个窗口,不断地向右扩展窗口,直到窗口内的元素和≥target。然后,我们尝试将窗口的左边界向右收缩,以寻找更短的满足条件的子数组。

 

解题步骤如下:

 

  • 初始化两个指针leftright,都指向数组的开始位置。初始化窗口的和windowSum为0,最小子数组的长度minLength为无穷大。
  • 不断向右移动right指针,扩大窗口。在每次移动时,将当前元素添加到窗口的和windowSum中。
  • 当窗口的和≥target时,更新最小子数组的长度minLength为当前窗口的大小,并尝试将窗口的左边界向右收缩。
  • 在收缩窗口时,从窗口的左边界开始,将左边界的元素从窗口的和windowSum中减去,并将左边界向右移动。
  • 重复步骤2-4,直到right指针到达数组的末尾。
  • 返回最小子数组的长度minLength。如果不存在满足条件的子数组,返回0。

3JavaScript解题框架:

function minSubArrayLen(nums, target) {
    let left = 0;
    let minLength = Infinity;
    let windowSum = 0;    for (let right = 0; right < nums.length; right++) {
        windowSum += nums[right];        while (windowSum >= target) {
            minLength = Math.min(minLength, right - left + 1);
            windowSum -= nums[left];
            left++;
        }
}
    return minLength === Infinity ? 0 : minLength;
}

 

在这个框架中,我们使用leftright两个指针来构建窗口,windowSum用于记录窗口内元素的和,minLength记录最小子数组的长度。

 

我们不断向右移动right指针,将当前元素添加到窗口的和windowSum中。当windowSum≥target时,我们尝试收缩窗口,从窗口的左边界开始,将左边界的元素从windowSum中减去,并将左边界向右移动。在每次收缩窗口时,我们更新最小子数组的长度minLength为当前窗口的大小。

 

最后,返回minLength作为结果。如果不存在满足条件的子数组,返回0。


4.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子串的长度。

 

 

1问题分析:

这个问题可以通过滑动窗口算法来解决。我们可以使用两个指针,即left和right,来构建和维护一个窗口,确保窗口内的字符不重复。通过不断地移动指针,我们可以找到最长的不含重复字符的子串。

2解题步骤:

  • 初始化两个指针leftright,并初始化最长子串的长度maxLength为0。
  • 创建一个哈希集合(或者字符数组)set来存储窗口内的字符。哈希集合可以快速判断字符是否出现过。
  • 使用right指针向右移动,扩大窗口。在每次移动时,检查当前字符是否已经在哈希集合中。
  • 如果当前字符不在集合中,将其添加到集合中,并更新最长子串的长度maxLength为当前窗口的大小(right - left + 1)
  • 如果当前字符已经在集合中,表示遇到了重复字符,需要移动left指针,并将left指针对应的字符从集合中删除,以缩小窗口。重复步骤3,直到right指针达到字符串的末尾。

 

  • 返回最长子串的长度maxLength


带你读《图解算法小抄》二十、滑动窗口(4)https://developer.aliyun.com/article/1347996?groupCode=tech_library

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
178 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。
245 2
|
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。
163 0
|
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。
219 3
|
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。
254 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
152 0
|
算法
【算法】滑动窗口——找到字符串中所有字母异位词
【算法】滑动窗口——找到字符串中所有字母异位词
211 0
|
算法
【算法】滑动窗口——将x减到0的最小操作数
【算法】滑动窗口——将x减到0的最小操作数
142 0
|
算法
【算法】滑动窗口——无重复字符的最长子串
【算法】滑动窗口——无重复字符的最长子串
124 0

热门文章

最新文章