当前位置: 首页 > article >正文

滑动窗口习题篇(下)

滑动窗口习题篇(下)

1.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 = [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。

问题转化:找出一个最长的子数组的长度,子数组中不超过两种类型的水果。

解法一:暴力枚举+哈希表

优化:从前往后进行枚举,即left++时,这时水果的种类不变,right不变;水果的种类变小,right右移。

解法二:滑动窗口

算法思路:

研究的对象是一段连续的区间,可以使用滑动窗口思想来解决问题。

1.进窗口判断条件:

窗口内水果的种类只有两种.

滑动窗口做法:

1.右端水果进入窗口的时候,用哈希表统计这个水果的频次(进窗口)。

2.这个水果进来后,判断哈希表的大小

  • 如果大小超过 2:说明窗口内水果种类超过了两种。那么就从左侧开始依次将水果划出窗口(出窗口),直到哈希表的大小小于等于 2,然后更新结果
  • 如果没有超过 2,说明当前窗口内水果的种类不超过两种,直接更新结果 ret
算法流程:
  1. 初始化哈希表 hash 来统计窗口内水果的种类和数量;

  2. left = 0,right = 0,记结果变量 ret = 0;

  3. right < f.size() ,下列一直循环:

  • 将当前水果放入哈希表中(进窗口);

  • 判断当前水果进来后,哈希表的大小:

    • 如果超过 2:(出窗口
    • 将左侧元素滑出窗口,并且在哈希表中将该元素的频次减一;
    • 如果这个元素的频次减一之后变成了 0,就把该元素从哈希表中删除;
    • 重复上述两个过程,直到哈希表中的大小不超过 2;
  • 更新结果 ret;

  • right++,让下⼀个元素进入窗口;

  1. 循环结束后,ret 存的就是最终结果。
代码实现(使用容器):
class Solution
{
public:
    int totalFruit(vector<int>& f) 
    {
        unordered_map<int, int> hash; // 统计窗⼝内出现了多少种⽔果
        int ret = 0;
        for(int left = 0, right = 0; right < f.size(); right++)
        {
            hash[f[right]]++; // 进窗⼝
            while(hash.size() > 2) // 判断
            {
                // 出窗⼝
                hash[f[left]]--;
                if(hash[f[left]] == 0)
                	hash.erase(f[left]);
                left++;
            }
            ret = max(ret, right - left + 1);
        }
        return ret;
    }
};
实现(用数组模拟哈希表):
class Solution
{
public:
    int totalFruit(vector<int>& f) 
    {
        int hash[100001] = { 0 }; // 统计窗⼝内出现了多少种⽔果
        int ret = 0;
        for(int left = 0, right = 0, kinds = 0; right < f.size(); right++)
        {
            if(hash[f[right]] == 0) kinds++; // 维护⽔果的种类
            hash[f[right]]++; // 进窗⼝
            while(kinds > 2) // 判断
            {
                // 出窗⼝
                hash[f[left]]--;
                if(hash[f[left]] == 0) kinds--;
                left++;
            }
            ret = max(ret, right - left + 1);
        }
        return ret;
    }
};

2.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。

异位词指由相同字母重排列形成的字符串(包括相同的字符串)。

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

算法思路:

本题研究对象连续的区间,我们使用滑动窗口思想来解决这道题。

1.如何快速判断两个字符串是否是“异位词”

因为字符串 p 的异位词的长度⼀定与字符串 p 的长度相同,所以我们可以在字符串 s 中构造一个长度为与字符串 p 的长度相同的滑动窗口,并在滑动中维护窗口中每种字母的数量;

  • 当窗口中每种字母的数量与字符串 p 中每种字母的数量相同时,则说明当前窗口为字符串 p的异位词;

  • 因此可以用两个大小为 26 的数组来模拟哈希表。用hash1来保存 p 中每⼀个字符出现的个数,hash2来保存 s 中的子串每个字符出现的个数。这样就能判断两个串是否是异位词。

2.进窗口判断条件:

right-left+1>m(字符串 p 的异位词的长度).

滑动窗口做法:

  1. hash1统计字符串 p中每个字符出现的个数,hash2统计窗口里面的每⼀个字符出现的个数;

  2. left=0,right=0,count=0(用来统计窗口中有效字符的个数);

  3. right<s.size() ,下列一直循环:

  • 如果right-left+1<=m时,将右端元素划入窗口,当hash2[in]<=hash1[in]时,count++;

  • 如果right-left+1>m时,将左端元素划出窗口,这时要是hash2[out]<=hash1[out]时,count- -;

  1. 更新结果:当count==m时,返回ret的值。

代码实现:

class Solution
{
public:
    vector<int> findAnagrams(string s, string p) 
    {
        vector<int> ret;
        int hash1[26] = { 0 }; // 统计字符串 p 中每个字符出现的个数
        for(auto ch : p) 
            hash1[ch - 'a']++;
        
        int hash2[26] = { 0 }; // 统计窗⼝⾥⾯的每⼀个字符出现的个数
        int m = p.size();
        for(int left = 0, right = 0, count = 0; right < s.size(); right++)
        {
            char in = s[right];
            // 进窗⼝ + 维护 count
            if(++hash2[in - 'a'] <= hash1[in - 'a']) 
                count++; 
            if(right - left + 1 > m) // 判断
            {
                char out = s[left++];
                // 出窗⼝ + 维护 count
                if(hash2[out - 'a']-- <= hash1[out - 'a']) 
                    count--; 
            }
            // 更新结果
            if(count == m) 
                ret.push_back(left);
        }
        return ret;
    }
};

3.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 words words 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

算法思路:

解法:滑动窗口+哈希表

如果我们把每一个单词看成一个一个字母,问题就变成了上面第二题——找到字符串中所有的字母异位词」。

不同在于之前处理的对象是一个一个的字符,我们这里处理的对象是一个一个的单词。

代码实现:

class Solution
{
public:
    vector<int> findSubstring(string s, vector<string>& words) 
    {
        vector<int> ret;
        unordered_map<string, int> hash1; // 保存 words ⾥⾯所有单词的频次
        for(auto& s : words) hash1[s]++;
        int len = words[0].size(), m = words.size();
        for(int i = 0; i < len; i++) // 执⾏ len 次
        {
            unordered_map<string, int> hash2; // 维护窗⼝内单词的频次
            for(int left = i, right = i, count = 0; right + len <= s.size(); right += len)
            {
                // 进窗⼝ + 维护 count
                string in = s.substr(right, len);
                hash2[in]++;
                if(hash1.count(in) && hash2[in] <= hash1[in]) count++;
                // 判断
                if(right - left + 1 > len * m)
                {
                    // 出窗⼝ + 维护 count
                    string out = s.substr(left, len);
                    if(hash1.count(out) && hash2[out] <= hash1[out]) count--;
                    hash2[out]--;
                    left += len;
                }
                // 更新结果
                if(count == m) ret.push_back(left);
            }
        }
        return ret;
    }
};

4.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

解法一:暴力枚举+哈希表

解法二:滑动窗口+哈希表

算法思路:

研究对象是连续的区间,因此可以尝试使用滑动窗口的思想来解决。

1.如何判断当前窗口内的所有字符是符合要求的呢?

我们可以使用两个哈希表,其中⼀个将目标串的信息统计起来,另一个哈希表动态的维护窗口内字符串的信息。

当动态哈希表中包含⽬标串中所有的字符,并且对应的个数都不小于目标串的哈希表中各个字符的个数,那么当前的窗口就是⼀种可行的方案。

算法流程:

1.进窗口判断条件:

hash2中的有效字符大于hash1中的有效字符.

滑动窗口做法:

  1. hash1用来统计字符串 t 中每⼀个字符的频次,hash2用来统计窗⼝内每个字符的频次;
  2. left=0,right=0,count=0;
  3. right<s.size() ,下列一直循环:
  • 如果right-left+1<=minlen时,将右端元素划入窗口,当hash2[in]==hash1[in]时,count++;

  • 如果right-left+1>minlen时,将左端元素划出窗口,这时要是hash2[out]==hash1[out]时,count- -;

  1. 更新结果:起始位置和最短长度

优化:判断条件:

使用变量count标记有效字符的种类

1.进窗口:当hash2[in]==hash1[in],count++;

2.出窗口:当hash2[out]==hash1[out],count- -;

3.判断条件:count==hash1.size()

代码实现:
class Solution
{
public:
    string minWindow(string s, string t) 
    {
        int hash1[128] = { 0 }; // 统计字符串 t 中每⼀个字符的频次
        int kinds = 0; // 统计有效字符有多少种
        for(auto ch : t)
        	if(hash1[ch]++ == 0) kinds++;
        int hash2[128] = { 0 }; // 统计窗⼝内每个字符的频次
        int minlen = INT_MAX, begin = -1;
        for(int left = 0, right = 0, count = 0; right < s.size(); right++)
        {
            char in = s[right];
            if(++hash2[in] == hash1[in]) 
                count++; // 进窗⼝ + 维护 count
            while(count == kinds) // 判断条件
            {
                if(right - left + 1 < minlen) // 更新结果
                {
                    minlen = right - left + 1;
                    begin = left;
                }
                char out = s[left++];
                if(hash2[out]-- == hash1[out]) 
                    count--; // 出窗⼝ + 维护 count
            }
        }
        if(begin == -1) 
            return "";
        else 
            return s.substr(begin, minlen);
    }
};

最后,本篇文章到此结束,感觉不错的友友们可以一键三连支持一下笔者,有任何问题欢迎在评论区留言哦~


http://www.kler.cn/a/381184.html

相关文章:

  • 智能化军事【五】精确制导武器智能化实现
  • 某科技局国产服务器PVE虚拟化技术文档
  • 由于这些关键原因,我总是手边有一台虚拟机
  • Mono里运行C#脚本3—mono_jit_init
  • 本科阶段最后一次竞赛Vlog——2024年智能车大赛智慧医疗组准备全过程——13使用Resnet-Bin
  • Docker搭建kafka环境
  • FreeRTOS学习8——开启任务调度器API函数简介
  • 【运维项目经历|046】Jenkins自动化部署与持续集成优化项目
  • MySQL秘密武器:索引与事务
  • 【51单片机】DS1302实时时钟
  • RabbitMQ最全教程-Part1(基础使用)
  • 活着就好20241106
  • 人脸检测之MTCNN算法网络结构
  • VUE+Vite之环境文件配置及使用环境变量
  • 全面解析:区块链技术及其应用
  • 轴承故障全家桶更新 | 基于时频图像的分类算法
  • 科技改变阅读习惯:最新研究揭示电子阅读器的普及趋势
  • WonderWorld: Interactive 3D Scene Generation from a Single Image 论文解读
  • 【go从零单排】在 Go 语言中,:= 是什么意思?
  • TOEIC 词汇专题:旅游计划篇
  • ClickHouse数据库SSL配置和SSL连接测试
  • C语言 | Leetcode C语言题解之第540题有序数组中的单一元素
  • MySQL详细安装教程
  • 【机器学习】25. 聚类-DBSCAN(density base)
  • 云计算Openstack 虚拟机调度策略
  • Docker-- cgroups资源控制实战