【刷题】滑动窗口入门

简介: 滑动窗口问题可以说是一种特殊的双指针问题

认识滑动窗口

滑动窗口问题可以说是一种特殊的双指针问题,通常用于解决以下类型的问题:

  1. 连续子数组或子字符串问题:例如,找出一个数组中连续元素和最大或最小的子数组,或者在字符串中找到一个包含特定字符的最短子字符串。
  2. 固定窗口大小问题:当窗口大小固定时,我们可以通过移动窗口来遍历整个数组或字符串,并记录所需的统计信息。
  3. 可变窗口大小问题:在某些情况下,窗口的大小可能会根据特定条件而变化。这需要我们在遍历过程中动态地调整窗口的大小。

滑动窗口算法的基本思想是使用双指针(有时也可能使用更多指针)来表示窗口的边界。在每一步中,我们可以根据特定条件来移动窗口的边界,并更新所需的统计信息。

看这些定义是真无法想象出来哦怎么个滑动窗口的,下面我们一起来做题吧:

Leetcode 209. 长度最小的子数组

题目描述

看这个题目还是很好理解的,只需要我们找到和大于target的连续子数组,我们来看第一个样例target = 7, nums = [2,3,1,2,4,3] 显然4,3是最小的子数组。接下来分析一下算法思路:

算法思路

根据题目要求,首先可以想到的是暴力枚举算法(遇事不决,暴力解决),遍历穷举出所有的连续子数组,寻找满足要求的子数组,最终就找到了最小的连续子数组:

class Solution {
public:
    int minSubArrayLen(int s, vector<int>& nums) {
      //暴力解法
        int n = nums.size();
        if (n == 0) {
            return 0;
        }
        //默认为最大值
        int ans = INT_MAX;
        //开始遍历
        for (int i = 0; i < n; i++) {
        //重置sum值
            int sum = 0;
            //判断子数组是否满足
            for (int j = i; j < n; j++) {
                sum += nums[j];
                if (sum >= s) {
                //满足就更新结果
                    ans = min(ans, j - i + 1);
                    break;
                }
            }
        }
        return ans == INT_MAX ? 0 : ans;
    }
};

这样暴力的算法的时间复杂度是O(n^2),我们看看可不可以进行优化:

来看图解(来着力扣官方)

这样就模拟了滑动窗口:

做法:将右端元素划⼊窗⼝中,统计出此时窗⼝内元素的和:

  • 如果窗⼝内元素之和⼤于等于 target :更新结果,并且将左端元素划出去的同时继续判
    断是否满⾜条件并更新结果(因为左端元素可能很⼩,划出去之后依旧满⾜条件)
  • 如果窗⼝内元素之和不满⾜条件: right++ ,另下⼀个元素进⼊窗⼝。
class Solution {
public:
    int minSubArrayLen(int target, vector<int>& nums) {
        int left = 0,right = 0;
        //设置为最大值 保证没有满足的子数组时可以判断
        int len = INT_MAX;
        int sum = 0;
        sum += nums[left];

        while(left < nums.size() && right < nums.size()){
      //
            if(sum < target ){
                right++;
                if(right < nums.size())
                    sum += nums[right];

            }
            while (sum >= target){
                len = min (right - left + 1 , len) ;
                sum -= nums[left];
                left++;
            }
        }
        return len == INT_MAX ? 0:len;
    }
};

这样大大提高了算法的效率!!!

为何滑动窗⼝可以解决问题,并且时间复杂度更低?

  1. 这个窗⼝寻找的是:以当前窗⼝最左侧元素(记为 left1 )为基准,符合条件的情况。也就是在这道题中,从 left1 开始,满⾜区间和 sum >= target 时的最右侧(记为right1 )能到哪⾥。
  2. 我们既然已经找到从 left1 开始的最优的区间,那么就可以⼤胆舍去 left1 。但是如果继续像⽅法⼀⼀样,重新开始统计第⼆个元素( left2 )往后的和,势必会有⼤量重复的计算(因为我们在求第⼀段区间的时候,已经算出很多元素的和了,这些和是可以在计算下次区间和的时候⽤上的)。
  3. 此时, rigth1 的作⽤就体现出来了,我们只需将 left1 这个值从sum 中剔除。从right1 这个元素开始,往后找满⾜ left2 元素的区间(此时right1 也有可能是满⾜的,因为 left1 可能很⼩。 sum 剔除掉 left1 之后,依旧满⾜⼤于等于target )。这样我们就能省掉⼤量重复的计算。

这样我们不仅能解决问题,⽽且效率也会⼤⼤提升

继续我们来看下一题

Leetcode 3. 无重复字符的最长子串

题目描述

描述也是十分简单奥,我们接着来看如何解决

算法思路

首先想到的还是暴力枚举啊,我们可以借助哈希表来确定是否重复。

枚举过程中就会发现左右指针移动方向相同,所以可以进行滑动窗口

  1. 入窗口(右指针移动)
  2. 判断(判断是否需要移动左指针)
  3. 出窗口
  4. 更新结果
class Solution {
public:

    int lengthOfLongestSubstring(string s) {
        int len = 0;
        int n = s.size();
        //使用哈希进行判断是否重复
        int hash[128] = {0};
        int ret = 0;
        for(int left = 0,right = 0; right < n; right++){
          //进入窗口
            hash[s[right]]++;
      //判断
            while(hash[s[right]] > 1){
              //出窗口
                hash[s[left]]--;
                left++;
                len--;
            }
          //更新结果
            len++;
            ret = max(len,ret);
        }
        return ret;

    }
};

这样就完美解决。

其实滑动窗口都是可以套用上面的模版的,不信?来看下一题

Leetcode 1004. 最大连续1的个数 III

题目描述

题目描述依然简单奥,只是判断条件发生了改变,我们需要来定义一个数字来比较是否满足少于k

算法思路

依旧是:

  1. 入窗口(右指针移动)
  2. 判断(判断是否需要移动左指针)
  3. 出窗口
  4. 更新结果
class Solution {
public:
    int longestOnes(vector<int>& nums, int k) {
        int tmp = 0,left = 0,right = 0,n = nums.size();
        int ret = 0;
        while(right < n){

            if(nums[right] == 0) {
                tmp++;    
            }

            while(tmp > k){
                if(nums[left] == 0) tmp--;
                left++;
            }

            ret = max(ret,right - left + 1);
            right++;
        }
        return ret;
    }
};

这样就成功完成解题!!!

总结

滑动窗口问题是可以通过模版来解决:

  1. 入窗口(右指针移动)
  2. 判断(按题分析判断是否需要移动左指针)
  3. 出窗口
  4. 更新结果

这样基本滑动窗口都可以解决,但重要的是理解滑动窗口的思路是如何得到的,是如何从暴力算法优化出来的。

送给大家一句话:

那脑袋里的智慧,就像打火石里的火花一样,不去打它是不肯出来的。——莎士比亚

Thanks♪(・ω・)ノ谢谢阅读!!!

下一篇文章见

相关文章
|
6月前
OJ刷题日记:3、滑动窗口(1)
OJ刷题日记:3、滑动窗口(1)
55 0
|
6月前
|
算法
经典滑动窗口试题(一)
经典滑动窗口试题(一)
64 0
|
6月前
|
算法
经典滑动窗口试题(二)
经典滑动窗口试题(二)
54 0
|
6月前
|
算法 搜索推荐 测试技术
【刷题】 滑动窗口进阶
这样的优化对于该题的提升是有限的,但是这是一种非常实用的算法,以后还会遇见哦!!!
33 0
|
6月前
|
算法 C++ 索引
OJ刷题日记:4、滑动窗口(2)
OJ刷题日记:4、滑动窗口(2)
60 0
|
6月前
蓝桥杯备战刷题-滑动窗口
蓝桥杯备战刷题-滑动窗口
44 0
|
6月前
剑指Offer LeetCode 面试题59 - I. 滑动窗口的最大
剑指Offer LeetCode 面试题59 - I. 滑动窗口的最大
37 0
|
算法
刷题算法:滑动窗口法
滑动窗口法就是在不断地调整子序列地起始位置与终止位置,从而得出我们想要的结果。滑动窗口法的起始与终止节点的移动的目的即为求解子序列的最优化处理,其基本的思路如下: 定义双指针,初始值一致,双指针之间的内容为所谓的窗口,包括双指针所指的元素。 确定指针之间的最佳窗口内容的判断条件,即窗口内容扩大、缩小的条件。 优先移动终止节点,扩大窗口直至恰好满足判断条件,再移动起始节点一次缩小窗口 再次判断是否符合条件,符合,此时为一次所求解的子序列,记录所需参数,继续移动起始节点,不符合,起始节点不动,移动终止节点至恰
96 0
|
算法
从小白开始刷算法 滑动窗口篇 leetcode.209
从小白开始刷算法 滑动窗口篇 leetcode.209
|
算法
从小白开始刷算法 滑动窗口篇 leetcode.1456
从小白开始刷算法 滑动窗口篇 leetcode.1456