【优选算法】——滑动窗口——3. 无重复字符的最长子串

简介: 【优选算法】——滑动窗口——3. 无重复字符的最长子串

1.题目


3. 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。(即为连续的)


示例 1:


输入: s = "abcabcbb"

输出: 3

解释: 因为无重复字符的最长子串是

"abc"

,所以其长度为 3。

示例 2:


输入: s = "bbbbb"

输出: 1

解释: 因为无重复字符的最长子串是

"b"

,所以其长度为 1。

示例 3:


输入: s = "pwwkew"

输出: 3

解释: 因为无重复字符的最长子串是

"wke"

,所以其长度为 3。

    请注意,你的答案必须是 子串 的长度,

"pwke"

是一个子序列,不是子串。

提示:


0 <= s.length <= 5 * 104

s 由英文字母、数字、符号和空格组成

2.解法⼀(暴⼒求解)(不会超时,可以通过):



1.算法思路:


枚举「从每⼀个位置」开始往后,⽆重复字符的⼦串可以到达什么位置。找出其中⻓度最⼤的即

可。


在往后寻找⽆重复⼦串能到达的位置时,可以利⽤「哈希表」统计出字符出现的频次,来判断什么

时候⼦串出现了重复元素。


2.图解

image.png


3.代码实现——C++

class Solution {
public:
    int lengthOfLongestSubstring(string s) {
        int ret = 0; // 记录结果
        int n = s.length();
        // 1. 枚举从不同位置开始的最⻓重复⼦串
        // 枚举起始位置
        for (int i = 0; i < n; i++) {
            // 创建⼀个哈希表,统计频次
            int hash[128] = {0};
            // 寻找结束为⽌
            for (int j = i; j < n; j++) {
                hash[s[j]]++;       // 统计字符出现的频次
                if (hash[s[j]] > 1) // 如果出现重复的
                    break;
                // 如果没有重复,就更新 ret
                ret = max(ret, j - i + 1);
            }
        }
        // 2. 返回结果
        return ret;
    }
};

image.png


3.解法⼆(滑动窗⼝):



1.算法思路:


研究的对象依旧是⼀段连续的区间,因此继续使⽤「滑动窗⼝」思想来优化。

让滑动窗⼝满⾜:窗⼝内所有元素都是不重复的。

做法:右端元素 ch 进⼊窗⼝的时候,哈希表统计这个字符的频次:

▪ 如果这个字符出现的频次超过 1 ,说明窗⼝内有重复元素,那么就从左侧开始划出窗⼝,

直到 ch 这个元素的频次变为 1 ,然后再更新结果。

▪ 如果没有超过1 ,说明当前窗⼝没有重复元素,可以直接更新结果


2.图解

image.png


3.代码实现


1.C语言

注意: 使用哈希表来统计字符出现的次数,哈希表的大小为 128 是因为该题目中使用的字符集为 ASCII 字符集,ASCII 字符共有 128 个字符(包括控制字符和可打印字符),因此使用大小为 128 的哈希表可以准确地记录每个字符的出现次数


int max(int a, int b) {
    return a > b ? a : b;
}
int lengthOfLongestSubstring(char* s) {
    int a[128] = {0}; // 使用哈希表来统计字符出现的次数,ASCII 字符共有 256 种
    int left = 0, right = 0, ret = 0, n = strlen(s);
    while (right < n) {
        a[s[right]]++;
        while (a[s[right]] > 1) {
            a[s[left++]]--;
        }
        ret = max(ret, right - left + 1);
        right++;
    }
    return ret;
}

image.png

2.C++

class Solution {
public:
    int lengthOfLongestSubstring(string s) {
        int hash[128] = {0}; // 使⽤数组来模拟哈希表
        int left = 0, right = 0, n = s.size();
        int ret = 0;
        while (right < n) {
            hash[s[right]]++;                 // 进⼊窗⼝
            while (hash[s[right]] > 1)        // 判断
                hash[s[left++]]--;            // 出窗⼝
            ret = max(ret, right - left + 1); // 更新结果
            right++;                          // 让下⼀个元素进⼊窗⼝
        }
        return ret;
    }
};

image.png

相关文章
|
5天前
|
算法
【经典LeetCode算法题目专栏分类】【第8期】滑动窗口:最小覆盖子串、字符串排列、找所有字母异位词、 最长无重复子串
【经典LeetCode算法题目专栏分类】【第8期】滑动窗口:最小覆盖子串、字符串排列、找所有字母异位词、 最长无重复子串
|
12天前
|
算法
数据结构和算法——散列函数的构造方法(直接定址法、除留余数法、数字分析法、折叠法、平方取中法、ASCII码加和法、前三字符移位法)
数据结构和算法——散列函数的构造方法(直接定址法、除留余数法、数字分析法、折叠法、平方取中法、ASCII码加和法、前三字符移位法)
8 0
|
14天前
|
算法
【算法优选】 动态规划之两个数组dp——壹
【算法优选】 动态规划之两个数组dp——壹
|
14天前
|
人工智能 算法
【算法优选】 动态规划之子数组、子串系列——贰
【算法优选】 动态规划之子数组、子串系列——贰
|
15天前
|
机器学习/深度学习 算法 测试技术
【算法优选】 动态规划之子数组、子串系列——壹
【算法优选】 动态规划之子数组、子串系列——壹
|
15天前
|
算法
【算法优选】 动态规划之简单多状态dp问题——贰
【算法优选】 动态规划之简单多状态dp问题——贰
|
26天前
|
算法
【优选算法】——滑动窗口——1004. 最大连续1的个数 III
【优选算法】——滑动窗口——1004. 最大连续1的个数 III
|
3天前
|
算法 JavaScript 决策智能
基于禁忌搜索算法的TSP路径规划matlab仿真
**摘要:** 使用禁忌搜索算法解决旅行商问题(TSP),在MATLAB2022a中实现路径规划,显示优化曲线与路线图。TSP寻找最短城市访问路径,算法通过避免局部最优,利用禁忌列表不断调整顺序。关键步骤包括初始路径选择、邻域搜索、解评估、选择及禁忌列表更新。过程示意图展示搜索效果。
|
3天前
|
机器学习/深度学习 算法
基于BP神经网络和小波变换特征提取的烟草香型分类算法matlab仿真,分为浓香型,清香型和中间香型
```markdown 探索烟草香型分类:使用Matlab2022a中的BP神经网络结合小波变换。小波分析揭示香气成分的局部特征,降低维度,PCA等用于特征选择。BP网络随后处理这些特征,以区分浓香、清香和中间香型。 ```
|
5天前
|
机器学习/深度学习 算法
m基于PSO-GRU粒子群优化长门控循环单元网络的电力负荷数据预测算法matlab仿真
摘要: 在MATLAB 2022a中,对比了电力负荷预测算法优化前后的效果。优化前为&quot;Ttttttt111222&quot;,优化后为&quot;Tttttttt333444&quot;,明显改进体现为&quot;Tttttttttt5555&quot;。该算法结合了粒子群优化(PSO)和长门控循环单元(GRU)网络,利用PSO优化GRU的超参数,提升预测准确性和稳定性。PSO模仿鸟群行为寻找最优解,而GRU通过更新门和重置门处理长期依赖问题。核心MATLAB程序展示了训练和预测过程,包括使用&#39;adam&#39;优化器和超参数调整,最终评估并保存预测结果。
15 0

热门文章

最新文章