建议先读文章，本文解决一类最难掌握的双指针技巧：滑动窗口技巧。

难度在于各种细节问题，比如：如何向窗口中添加新元素，如何缩小窗口，在窗口滑动的哪个阶段更新结果。

技术：

用到的数据结构——哈希表（字典）
直接使用对象来代替map，1. 获取键的长度， 2. 不需要get，set方法。
字符串遍历
window[c] = (window[c] || 0) + 1; 如果键不存在时，赋初始值。不需要先判断

代码模板：

/* 滑动窗口算法框架 */
void slidingWindow(string s, string t) {unordered_map<char, int> need, window;for (char c : t) need[c]++;int left = 0, right = 0;int valid = 0; while (right < s.size()) {// c 是将移入窗口的字符char c = s[right];// 右移窗口right++;// 进行窗口内数据的一系列更新.../*** debug 输出的位置 ***///printf("window: [%d, %d)\n", left, right);/********************/// 判断左侧窗口是否要收缩while (window needs shrink) {// 在这里更新最小覆盖子串...// d 是将移出窗口的字符char d = s[left];// 左移窗口left++;// 进行窗口内数据的一系列更新...}}return 所需字符串
}

76. 最小覆盖子串（困难）

这个思路其实也不难，第 2 步相当于在寻找一个「可行解」，然后第 3 步在优化这个「可行解」，最终找到最优解，也就是最短的覆盖子串。左右指针轮流前进，窗口大小增增减减，窗口不断向右滑动，这就是「滑动窗口」这个名字的来历。

needs 和 window 相当于计数器，分别记录 T 中字符出现次数和「窗口」中的相应字符的出现次数。

进行窗口内数据的一系列更新：window的字符数量增加，统计覆盖的字符数

/*** @param {string} s* @param {string} t* @return {string}*/
var minWindow = function(s, t) {let need = new Map(), window = new Map();for (let c of t){need.set(c, (need.get(c) || 0) + 1); //代码功底}let left = right = count = start = 0;let minlen = Number.MAX_SAFE_INTEGER;while (right < s.length) {let c = s[right];right++;// 当前字符在t字符串中，才更新窗口的统计if(need.has(c)) {window.set(c, (window.get(c) || 0) + 1);// 等于, 才说明某字符完成覆盖if (window.get(c) == need.get(c)) {count++;}}// 判断左侧窗口是否要收缩while (count == need.size) {let temp = right - left;if (temp < minlen) {start = left;minlen = temp;}let c = s[left];left++;if(need.has(c)) {//再减就不够数覆盖某字符if (window.get(c) == need.get(c)) {count--;}window.set(c, window.get(c) - 1);}}}return minlen == Number.MAX_SAFE_INTEGER ? "" : s.substr(start, minlen);
};

可参考

567. 字符串的排列（中等）

注意：输入的 s1 是可以包含重复字符的。排列之一：包含s1中所有字符，不能多余且不包含其他字符。即：窗口大小等于s1的长度，窗口大小固定也能运用上面的框架，先移入后移出。

技巧：要覆盖s1字符时，因为窗口限制了大小，不可能有多余的字符，

区别：如果所有字符都覆盖了，则结束。而上一题则是开始缩圈。

/*** @param {string} s1* @param {string} s2* @return {boolean}*/
var checkInclusion = function(s1, s2) {let need = {}, window = {};for (let c of s1) {need[c] = (need[c] || 0) + 1;}let left = right = count = 0;let maxlen = s1.length, target = Object.keys(need).length;while (right < s2.length) {let c = s2[right]right++// 处理移入的字符if(need[c]) {window[c] = (window[c] || 0) + 1;if(window[c] == need[c]) count++;}// 判断左侧窗口是否要收缩while (right-left == maxlen) {// 判断结果if (count == target) return true;let c = s2[left]left++// 处理移入的字符if(need[c]) {                if(window[c] == need[c]) count--;window[c]--;}}}return false;
};

个人觉得：有了这个框架，优点：更容易记住，不需要管别人怎么写了。缺点：一开始花时间。

JS：滑动窗口算法（上集）相关推荐

列表左右箭头滑动_我写了一套框架，把滑动窗口算法变成了默写题
读完本文,你可以去力扣拿下如下题目: 76.最小覆盖子串 567.字符串的排列 438.找到字符串中所有字母异位词 3.无重复字符的最长子串 ----------- 鉴于前文二分搜索框架详解的那首 ...
滑动窗口算法_有点难度，几道和「滑动窗口」有关的算法面试题
前言科普:什么是滑动窗口算法滑动问题包含一个滑动窗口,它是一个运行在一个大数组上的子列表,该数组是一个底层元素集合. 假设有数组 [a b c d e f g h ],一个大小为 3 的 **滑动窗 ...
从零开始学习VIO笔记 --- 第四讲：滑动窗口（基于滑动窗口算法的 VIO 系统：可观性和一致性）
从零开始学习VIO笔记 --- 第四讲:滑动窗口(基于滑动窗口算法的 VIO 系统:可观性和一致性) 一. 从高斯分布到信息矩阵 1.1 高斯分布 1.2 高斯分布和协方差矩阵 1.3 信息矩阵二. ...
滑动窗口算法通用思想
文章目录一.最小覆盖子串二.找到字符串中所有字母异位词三.无重复字符的最长子串最后总结本文详解「滑动窗口」这种高级双指针技巧的算法框架,带你秒杀几道难度较大的子字符串匹配问题: 最小覆盖子串 ...
c语言怎么实现滑动窗口算法,【C语言】滑动窗口算法
1.滑动窗口的思想: 它是一个运行在一个大数组上的子列表,该数组是一个底层元素集合.假设有数组 [a b c d e f g h ],一个大小为 3 的滑动窗口在其上滑动,则有: [a b c] ...
sentinel 时间窗口_Sentinel滑动窗口算法
在前面搞清楚了Sentinel的使用后,大致理了一下Sentinel的责任链,搞清楚了这个,基本就已经梳理清楚sentinel-core模块的大部分内容,顺着这条链路可以继续梳理很多东西. 知其然.知 ...
滑动窗口算法用法及实题详解
在力扣常用解题法中,我们常常会看到这些: 滑动窗口双指针快慢指针/ 链表题目原地链表翻转区间合并无序限定范围的数组元素查找O(N) BFS 树的DFS DFS/递归/回溯法双堆模式 2分变 ...
滑动窗口算法基本原理与实践
原文作者:huansky 原文地址:滑动窗口算法基本原理与实践目录滑动窗口算法(Sliding Window Algorithm) 基本示例滑动窗口法的大体框架算法实例 1208. 尽可能使字 ...
“滑动窗口”算法详解
一.概念滑动窗口算法是在给定特定窗口大小的数组或字符串上执行要求的操作.该技术可以将一部分问题中的嵌套循环转变为一个单循环,因此它可以减少时间复杂度. 简而言之,滑动窗口算法在一个特定大小的字符串或 ...

JS：滑动窗口算法（上集）

76. 最小覆盖子串（困难）

567. 字符串的排列（中等）

JS：滑动窗口算法（上集）相关推荐

最新文章

热门文章

JS：滑动窗口算法 （上集）

76. 最小覆盖子串 （困难）

567. 字符串的排列 （中等）

JS：滑动窗口算法 （上集）相关推荐

最新文章

热门文章

JS：滑动窗口算法（上集）

76. 最小覆盖子串（困难）

567. 字符串的排列（中等）

JS：滑动窗口算法（上集）相关推荐