【算法】滑动窗口——水果成篮

简介: 【算法】滑动窗口——水果成篮

本篇博客是我对“水果成篮”这道题由暴力解法到滑动窗口思路的具体思路,有需要借鉴即可。



1.题目

题目链接:LINK

这道题,题干很长,大概意思是给你一个数组,然后你可以从随便一个数字开始依次遍历,直到遍历结束或者找到超过不同的两个数字,问你最大长度是几。

一般没有经验的人,肯定首先想到的是暴力求解,我也是一样哈,没啥经验。

2.暴力求解

那如何进行暴力求解呢?

暴力求解思路:哈希表 + 依次遍历

思路详解:具体来说,定义两个指针,一个left,一个right,再搞一个哈希表,right指向的数字就丢到哈希表里,计数,然后超过两个或者遍历结束的时候,我们更新一下结果然后left++,right = left,重新计数。然后这堆记的数字取个最大的就行了。

总而言之,代码如下:

class Solution {
public:
//暴力解法:
    int totalFruit(vector<int>& fruits) {
        int n = fruits.size();
        int count = 0;
        int ret = 0;
        int sum = 0;
        for(int left = 0;left < n;left++)
        {
            count = 0;
            sum = 0;
            int hash[100001] = {0};
            for(int right = left;right < n;right++)
            {
                
                //进哈希表
                if(hash[fruits[right]] == 0)//一个新种类的水果
                {
                    hash[fruits[right]]++;
                    count++;
                    sum++;
                }
                else//这里标识之前有过的一个水果
                {
                    hash[fruits[right]]++;
                    sum++;
                }
                if(count > 2)
                {
                     ret = max(ret, sum - 1);break;
                }
               
                if(count <= 2 && right == n - 1)
                {ret = max(ret, sum);break;}
            }
        }
        return ret;
    }
};

然后不出意外哈,力扣绝对过不了,不然这题不会上中等难度了。

然后力扣提示说超出时间限制,比如下图:

所以说,这道题肯定是可以优化的,那具体怎么优化呢?我们一步一步来。

3.暴力优化

3.1每次right不用回退

这是什么意思呢?如下图所示:

在left固定的情况下,之后right这个地方数字种类超过2了,那么意思是红色这块区域数字种类个数是2,这时候按照暴力求解的方式,left++,right = left。

但是,我想说绿色的这块区域的数字种类会有可能超过2吗?显然这是不可能的,所以说right压根没有回去的必要。

3.2有些left长度一定不如前一个,不用走,left不回退

再比如说哈,如下图所示:

left = 2的情况下压根没必要去走好吧~~

行了,这时候我就发现这个题目经过优化之后满足“滑动窗口”的使用条件,两指针同向且不回退。

4.滑动窗口算法

然后可以直接优化成滑动窗口算法

class Solution 
{
public:
//滑动窗口:
    int totalFruit(vector<int>& fruits) {
        int n = fruits.size(), ret = 0,sum = 0,kands = 0;
        int hash[100001] = {0};//哈希数组
        for(int right = 0, left = 0;right < n;right++)
        {
            //进窗口
            if(hash[fruits[right]] == 0)kands++;//如果这个是一个新来的数,那么就种类++
            hash[fruits[right]]++;    
            sum++; 
            //出窗口
            while(kands > 2)
            {
                hash[fruits[left]]--;
                sum--;
                if(hash[fruits[left]] == 0)kands--;
                left++;
            }
           
           ret = max(ret, sum);
        }
        return ret;
    }
};

5.总结

总结一下这个题,我感觉正常做的话能做出来,也没啥坑,我感觉是属于一个很常规的滑动窗口的题目。


EOF

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
141 0
|
6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。
137 2
|
4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。
92 0
|
6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。
131 3
|
7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。
148 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
113 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
168 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
125 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
|
算法
【算法】滑动窗口——长度最小的子数组
【算法】滑动窗口——长度最小的子数组
141 0

热门文章

最新文章