LeetCode——滑动窗口(进阶)

LeetCode——滑动窗口(进阶)

文章目录

相关例题

904. 水果成篮

题目描述

你正在探访一家农场,农场从左到右种植了一排果树。这些树用一个整数数组 fruits 表示,其中 fruits[i] 是第 i 棵树上的水果 种类

你想要尽可能多地收集水果。然而,农场的主人设定了一些严格的规矩,你必须按照要求采摘水果:

  • 你只有 两个 篮子,并且每个篮子只能装 单一类型 的水果。每个篮子能够装的水果总量没有限制。
  • 你可以选择任意一棵树开始采摘,你必须从 每棵 树(包括开始采摘的树)上 恰好摘一个水果 。采摘的水果应当符合篮子中的水果类型。每采摘一次,你将会向右移动到下一棵树,并继续采摘。
  • 一旦你走到某棵树前,但水果不符合篮子的水果类型,那么就必须停止采摘。

给你一个整数数组 fruits ,返回你可以收集的水果的 最大 数目。

示例 1:

输入:fruits = [1,2,1] 输出:3 解释:可以采摘全部 3 棵树。 

示例 2:

输入:fruits = [0,1,2,2] 输出:3 解释:可以采摘 [1,2,2] 这三棵树。 如果从第一棵树开始采摘,则只能采摘 [0,1] 这两棵树。 

示例 3:

输入:fruits = [1,2,3,2,2] 输出:4 解释:可以采摘 [2,3,2,2] 这四棵树。 如果从第一棵树开始采摘,则只能采摘 [1,2] 这两棵树。 

示例 4:

输入:fruits = [3,3,3,1,2,1,1,2,3,3,4] 输出:5 解释:可以采摘 [1,2,1,1,2] 这五棵树。 

提示:

  • 1 <= fruits.length <= 105
  • 0 <= fruits[i] < fruits.length

题目分析

这个题目其实还是一个使用滑动窗口的题目,我们分析题意可以直到我们这里要维护的窗口是一个最长的数字类型不大于2的窗口,并且题目也说明了这里不会存在不连续的情况(一旦你走到某棵树前,但水果不符合篮子的水果类型,那么就必须停止采摘。),所以这题可以使用滑动窗口。

实现思路

一开始我们需要定义两个指针都是指向开头的,并且我们这里为了获取数字类型的个数并且出窗口方便,这里需要定义一个哈希表(这里不可以用集合,想想为什么),然后就是窗口的操作了。

我们首先需要将右指针的值入窗口,如果类型数(也就是我们哈希表的大小)大于2了,我们就开始出窗口,也就是将我左指针指向的值的哈希值--,同时减到了0还要删除出哈希表(这里就是为什么不能用集合了),出了条件之后就是我们的返回值更新。

最后就是将我们的值返回,其实这里只要数组大小大于了1就有返回值,但是我们这里还是按照了之前的写法(bushi )。

实现代码

classSolution{public:inttotalFruit(vector<int>& fruits){ unordered_map<int,int> h;int len =-1;int size = fruits.size();for(int i =0, j =0; j < size; j++){ h[fruits[j]]++;while(h.size()>2){ h[fruits[i]]--;if(h[fruits[i]]==0){ h.erase(fruits[i]);} i++;} len =max(len, j - i +1);}return len ==-1?0: len;}};

438. 找到字符串中所有字母异位词

题目描述

给定两个字符串 sp,找到 s 中所有 p异位词 的子串,返回这些子串的起始索引。不考虑答案输出的顺序。

示例 1:

输入: s = "cbaebabacd", p = "abc" 输出: [0,6] 解释: 起始索引等于 0 的子串是 "cba", 它是 "abc" 的异位词。 起始索引等于 6 的子串是 "bac", 它是 "abc" 的异位词。 

示例 2:

输入: s = "abab", p = "ab" 输出: [0,1,2] 解释: 起始索引等于 0 的子串是 "ab", 它是 "ab" 的异位词。 起始索引等于 1 的子串是 "ba", 它是 "ab" 的异位词。 起始索引等于 2 的子串是 "ab", 它是 "ab" 的异位词。 

提示:

  • 1 <= s.length, p.length <= 3 * 104
  • sp 仅包含小写字母

题目分析

这个题目比较容易陷进找有效开头这个点里面去,其实这个题目不需要我们找有效开头,只需要维护一个满足条件的区间就可以了,所以这个题目还是用的滑动窗口来维持着这样一个区间(一开始没想到正确的解法)。

实现思路

我们这里其实就是维持子串的字符哈希值(也就是这个字符出现的个数)要大于等于我们的窗口里面对应字符的哈希值,同时我们的窗口大小也不能大于我们的子串的大小。

首先我们需要预处理我们的子串对应字符的哈希值,同时设置我们需要的一些变量。

然后就是定义两个指针指向开头来遍历我们的父串,如果当前的字符出现次数要小于等于我们的子串对应的字符,我们就将我们的计数++,然后就是我们的越界判断,如果我们的长度大于了子串的长度,我们就判断当前父串中左指针的字符出现次数是不是要小于子串对应字符出现的次数,如果是小于等于就将我们的计数--,这里同时也考虑了我们的非法的情况(非法的字符不参与计数计数--,但是要和参与的数字一起排除),然后就是判断我们的计数是不是满足题意了并加入到我们的返回数组中,最后就是返回我们的数组了。

实现代码

classSolution{public: vector<int>findAnagrams(string s, string p){ vector<int> ret;int hash1[26]={0};int hash2[26]={0};for(auto e:p) hash2[e-'a']++;int n=s.size(),m=p.size();for(int left=0,right=0,count=0;right<n;right++){if(++hash1[s[right]-'a']<=hash2[s[right]-'a']) count++;if(right-left+1>m){if(hash1[s[left]-'a']--<=hash2[s[left]-'a']) count--; left++;}if(count==m) ret.push_back(left);}return ret;}};

串联所有单词的子串

题目描述

给定一个字符串 s 和一个字符串数组 wordswords 中所有字符串 长度相同

s 中的 串联子串 是指一个包含 words 中所有字符串以任意顺序排列连接起来的子串。

  • 例如,如果 words = ["ab","cd","ef"], 那么 "abcdef""abefcd""cdabef""cdefab""efabcd", 和 "efcdab" 都是串联子串。 "acdbef" 不是串联子串,因为他不是任何 words 排列的连接。

返回所有串联子串在 s 中的开始索引。你可以以 任意顺序 返回答案。

示例 1:

输入:s = "barfoothefoobarman", words = ["foo","bar"] 输出:[0,9] 解释:因为 words.length == 2 同时 words[i].length == 3,连接的子字符串的长度必须为 6。 子串 "barfoo" 开始位置是 0。它是 words 中以 ["bar","foo"] 顺序排列的连接。 子串 "foobar" 开始位置是 9。它是 words 中以 ["foo","bar"] 顺序排列的连接。 输出顺序无关紧要。返回 [9,0] 也是可以的。 

示例 2:

输入:s = "wordgoodgoodgoodbestword", words = ["word","good","best","word"] 输出:[] 解释:因为 words.length == 4 并且 words[i].length == 4,所以串联子串的长度必须为 16。 s 中没有子串长度为 16 并且等于 words 的任何顺序排列的连接。 所以我们返回一个空数组。 

示例 3:

输入:s = "barfoofoobarthefoobarman", words = ["bar","foo","the"] 输出:[6,9,12] 解释:因为 words.length == 3 并且 words[i].length == 3,所以串联子串的长度必须为 9。 子串 "foobarthe" 开始位置是 6。它是 words 中以 ["foo","bar","the"] 顺序排列的连接。 子串 "barthefoo" 开始位置是 9。它是 words 中以 ["bar","the","foo"] 顺序排列的连接。 子串 "thefoobar" 开始位置是 12。它是 words 中以 ["the","foo","bar"] 顺序排列的连接。 

提示:

  • 1 <= s.length <= 104
  • 1 <= words.length <= 5000
  • 1 <= words[i].length <= 30
  • words[i]s 由小写英文字母组成

题目分析

这是一个困难题,但是如果我们有了上面那个题目作为支撑,这个题目的思路还是比较好想的,我们这里其实可以吧每一个单词看成是一个一个的字母,这个问题就变成了求字符串里面所有的字母的异位词,处理对象从字符变成了单词而已,但是这个题目还是有一个比较重要的优化思路需要了解。

实现思路

我们这里首先就是确定我们的开始位置,我们这里不可以直接从0开始,这样会出现有的情况没考虑到,同时这里直接设置每个字符都作为一次我们的开头也是不可以的(会有很多重复的结果),这里我们应该值设置前words中单词的长度个字符,这样就可以不重不漏,我们这里还是画图理解:

在这里插入图片描述

搞定了开头的字符之后,我们接下来的实现就是和之前实现【找到字符串中所有字母异位词】的逻辑一样了,只不过这里有一些细节需要注意,详细细节可以看代码。

代码实现

classSolution{public: vector<int>findSubstring(string s, vector<string>& words){ vector<int> ret;int n = s.size(), len = words[0].size(), m = words.size(); unordered_map<string,int> hash1;for(auto e : words) hash1[e]++;for(int i =0; i < len; i++){ unordered_map<string,int> hash2;for(int left = i, right = i, count =0; right + len <= n;right += len)// 这里的实现要是等于n,否则这个样例就会出错s = "wordgoodgoodgoodbestword" words = ["word","good","best","good"]{ string in = s.substr(right, len);if(++hash2[in]<= hash1[in]) count++;if(right - left +1> len * m){ string out = s.substr(left,len);if(hash2[out]--<= hash1[out]) count--; left+=len;}if(count == m) ret.push_back(left);}}return ret;}};

最小覆盖子串

题目描述

给你一个字符串 s 、一个字符串 t 。返回 s 中涵盖 t 所有字符的最小子串。如果 s 中不存在涵盖 t 所有字符的子串,则返回空字符串 ""

注意:

  • 对于 t 中重复字符,我们寻找的子字符串中该字符数量必须不少于 t 中该字符数量。
  • 如果 s 中存在这样的子串,我们保证它是唯一的答案。

示例 1:

输入:s = "ADOBECODEBANC", t = "ABC" 输出:"BANC" 解释:最小覆盖子串 "BANC" 包含来自字符串 t 的 'A'、'B' 和 'C'。 

示例 2:

输入:s = "a", t = "a" 输出:"a" 解释:整个字符串 s 是最小覆盖子串。 

示例 3:

输入: s = "a", t = "aa" 输出: "" 解释: t 中两个字符 'a' 均应包含在 s 的子串中, 因此没有符合条件的子字符串,返回空字符串。 

提示:

  • m == s.length
  • n == t.length
  • 1 <= m, n <= 105
  • st 由英文字母组成

**进阶:**你能设计一个在 o(m+n) 时间内解决此问题的算法吗?

题目分析

这个题目是一个困难题,这里使用的还是滑动窗口的知识,我们维护的窗口是一个最小长度并且覆盖了所有目标字符的子串,我们要做的就是维护好这个子串并且实时更新出最小的答案。

实现思路

我们这里首先需要预处理我们需要覆盖串中字符的出现次数,处理好之后我们还需要定义一个长度的最大值,然后就是我们窗口的维护了,这个时候我们需要定义两个指针来指向我们的开头位置,首先将我们的右指针指向的字符出现的次数++后判断是不是属于我们的目标串,属于就将计数++;当我们的计数等于我们目标串的大小的时候,我们就可以来更新我们的最小长度了和我们的返回串的开头了,与此同时我们需要从左边出窗口并判断是不是影响我们的窗口的条件;最后就是我们的返回值返回了,如果还是最大值说明没有更新,于是返回空串,反之将我们返回串返回。

实现代码

classSolution{public: string minWindow(string s, string t){int n = s.size();int k = t.size(); unordered_map<char,int> h1; unordered_map<char,int> h2;for(auto& e : t){ h1[e]++;}int cnt =0;int start =0;int len =0x3f3f3f3f;for(int l =0, r =0; r < n; r++){if(++h2[s[r]]<= h1[s[r]]) cnt++;while(cnt == k){if(len > r - l +1){ len = r - l +1; start = l;}if(h2[s[l]]--== h1[s[l++]]) cnt--;}}if(len ==0x3f3f3f3f)return"";else{ string ret(s.begin()+ start, s.begin()+ start + len);return ret;}}};

Read more

马年“码”上发力:用Manacher“马拉车”算法,拉平最长回文难题

马年“码”上发力:用Manacher“马拉车”算法,拉平最长回文难题

💗博主介绍:计算机专业的一枚大学生 来自重庆 @燃于AC之乐✌专注于C++技术栈,算法,竞赛领域,技术学习和项目实战✌ 💗根据博主的学习进度更新(可能不及时) 💗后续更新主要内容:C语言,数据结构,C++、linux(系统编程和网络编程)、MySQL、Redis、QT、Python、Git、爬虫、数据可视化、小程序、AI大模型接入,C++实战项目与学习分享。 👇🏻 精彩专栏 推荐订阅👇🏻 点击进入🌌作者专栏🌌: 算法画解 ✅ C++ ✅ 🌟算法相关题目点击即可进入实操🌟 感兴趣的可以先收藏起来,请多多支持,还有大家有相关问题都可以给我留言咨询,希望希望共同交流心得,一起进步,你我陪伴,学习路上不孤单! 文章目录 * 前言 * Manacher(马拉车)算法 * 问题: * 1.相关概念引入

By Ne0inhk
【Python库和代码案例:第二课】一边写“鼓励师”给自己打气,一边写“学生管理”鞭策别人:Python拿捏了

【Python库和代码案例:第二课】一边写“鼓励师”给自己打气,一边写“学生管理”鞭策别人:Python拿捏了

🎬 个人主页:艾莉丝努力练剑 ❄专栏传送门:《C语言》《数据结构与算法》《C/C++干货分享&学习过程记录》 《Linux操作系统编程详解》《笔试/面试常见算法:从基础到进阶》《Python干货分享》 ⭐️为天地立心,为生民立命,为往圣继绝学,为万世开太平 🎬 艾莉丝的简介: 文章目录 * 3 ~> 第三方库 * 3.5 代码示例:“程序猿鼓励师” * 3.5.1 安装第三方依赖 * 3.5.2 准备音频文件 * 3.5.3 编写代码 * 3.5.4 改进代码 * 3.5.5 操作流程 * 3.5.

By Ne0inhk
Flutter 三方库 crypto 的鸿蒙化适配指南 - 实现具备工业级哈希算法与消息摘要计算的安全底座、支持端侧数据校验与数字签名实战

Flutter 三方库 crypto 的鸿蒙化适配指南 - 实现具备工业级哈希算法与消息摘要计算的安全底座、支持端侧数据校验与数字签名实战

欢迎加入开源鸿蒙跨平台社区:https://openharmonycrossplatform.ZEEKLOG.net Flutter 三方库 crypto 的鸿蒙化适配指南 - 实现具备工业级哈希算法与消息摘要计算的安全底座、支持端侧数据校验与数字签名实战 前言 在进行 Flutter for OpenHarmony 开发时,确保数据的一致性与安全性是业务上线的先决条件。无论是对用户密码进行加盐哈希存储、验证下载文件的完整性,还是为分布式信令生成 API 签名,都离不开严谨的加密算法支持。crypto 是 Dart 官方生态中用于处理哈希与摘要的核心工具库。本文将探讨如何在鸿蒙端构建极致、稳健的加密算法基石。 一、原直观解析 / 概念介绍 1.1 基础原理 该库提供了一系列纯 Dart 实现的一致性哈希算法(Hash Algorithims)。它通过将任意长度的输入映射为固定长度的二进制摘要(Digest)。支持流式处理(Chunked processing),即允许在读取大文件时分批次泵送数据。在鸿蒙端。它是“

By Ne0inhk
为何将边缘采集引擎从 Python 重写为 Go?不止是性能,附核心代码与编译方案

为何将边缘采集引擎从 Python 重写为 Go?不止是性能,附核心代码与编译方案

一、 场景痛点:Python 在边缘端的“三宗罪” 在两年前的一个智慧水务项目中,我们使用 Python (Flask + Pymodbus + Paho-MQTT) 开发了网关程序。起初一切安好,但随着点位增加到 5000 个,问题开始爆发: 1. 内存吞噬兽:Python 的解释器机制导致内存占用极高。一个简单的采集脚本,运行一周后内存从 50MB 飙升到 200MB(疑似 C 扩展库内存泄漏)。对于只有 512MB 内存的 ARM 网关,这是致命的。 2. “依赖地狱” (Dependency Hell):现场网关是 ARMv7 (32位) 架构,且无法连接外网。每次为了安装 pandas 或 numpy,都需要在开发机上交叉编译一堆 C

By Ne0inhk