算法必刷系列之滑动窗口

2023-11-11 19:52

本文主要是介绍算法必刷系列之滑动窗口,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

滑动窗口

滑动窗口的问题一般分为两类,一类是窗口大小固定,求解窗口内数据的最值问题,一类是窗口大小可变,求解窗口长度的最值问题。核心思想是使用快慢型双指针模拟滑动窗口,利用指针的移动模拟窗口的滑动,对窗口中不断变换的数据进行比较。需要注意的是边界处理。

子数组最大平均数

leetcode643

固定窗口大小,求窗口内数据和的最大值。初始时,计算下标从0开始窗口大小为k的和,作为和的最大值,将固定窗口每次向右移动1个单位,即最左侧的元素滑出,右侧的下一个元素滑入,计算和,进行比较

public double findMaxAverage(int[] nums, int k) {int maxSum = 0;for(int i=0;i<k;i++){maxSum+=nums[i];}int sum = maxSum;int right = k;while(right<nums.length){sum=sum+nums[right]-nums[right-k];maxSum = Math.max(sum,maxSum);right++;}return (double)maxSum/k;
}

最长连续递增子序列

leetcode674
窗口大小可变,如果序列递增,继续添加元素到序列中,计算当前最长递增序列,进行比较,否则窗口滑动到当前位置,继续寻找递增序列

public int findLengthOfLCIS(int[] nums) {int left = 0;int right = 1;int maxLen = 1;while(right<nums.length){if(nums[right]-nums[right-1]<=0){left = right;}maxLen = Math.max(maxLen,right-left+1);right++;}return maxLen;
}

无重复的最长子串

leetcode3
使用map存储当前遍历到的字符,key表示字符本身,value表示字符下标,当子串不重复时,存储,继续遍历,计算最大长度,重复时,将窗口滑动到重复元素的下一位置,继续操作

public int lengthOfLongestSubstring(String s) {if(s.length()==0){return 0;}Map<Character,Integer> map = new HashMap<Character,Integer>();char[]chars = s.toCharArray();int left = 0;int right = 1;int maxLen = 1;map.put(chars[left],left);while(right<chars.length){if(map.containsKey(chars[right])){left = Math.max(map.get(chars[right])+1,left);}map.put(chars[right],right);maxLen = Math.max(right-left+1,maxLen);right++;}return maxLen;
}

长度最小的子数组

leetcode209
窗口右侧不断右移,直至数据和超过target,计算长度并比较,窗口左侧右移,直至数据和小于target,计算长度并比较

public int minSubArrayLen(int target, int[] nums) {int left = 0;int right = 0;int sum = 0;int minLen = Integer.MAX_VALUE;while(right<nums.length){sum+=nums[right++];while(sum>=target){minLen = Math.min(right-left,minLen);sum-=nums[left++];} }return minLen==Integer.MAX_VALUE?0:minLen;
}

盛水最多的容器

leetcode11
初始时,窗口占满整个数组,计算水容量,之后不断缩小短板,计算水容量

public int maxArea(int[] height) {int left = 0;int right = height.length-1;int maxNum = 0;while(left<right){if(height[left]<height[right]){maxNum = Math.max((right-left)*height[left],maxNum);left++;}else{maxNum = Math.max((right-left)*height[right],maxNum);right--;}}return maxNum;
}

字符串的排列

leetcode567
以短串长度为窗口大小,在长串中滑动,比较两串字符个数是否相同,可通过数组对应位置的值作为元素出现次数来进行比较

public boolean checkInclusion(String s1, String s2) {if(s1.length()>s2.length()){return false;}int n = s1.length();int[] count1 = new int[26];int[] count2 = new int[26];char[] chars1 = s1.toCharArray();char[] chars2 = s2.toCharArray();for(int i=0;i<n;i++){count1[chars1[i]-'a']++;count2[chars2[i]-'a']++;}if(Arrays.equals(count1,count2)){return true;}int right = n;while(right<s2.length()){count2[chars2[right]-'a']++;int left = right-n;count2[chars2[left]-'a']--;if(Arrays.equals(count1,count2)){return true;}right++;}return false;
}

字符串中所有的字母异位

leetcode438
与上一题类似,找到字母异位后记录开始下标

public List<Integer> findAnagrams(String s, String p) {List<Integer> res = new ArrayList<>();if(p.length()>s.length()){return res;}int n = p.length();int[] count1 = new int[26];int[] count2 = new int[26];char[] chars1 = p.toCharArray();char[] chars2 = s.toCharArray();int left = 0;for(int i=0;i<n;i++){count1[chars1[i]-'a']++;count2[chars2[i]-'a']++;}if(Arrays.equals(count1,count2)){res.add(left);}int right = n;while(right<s.length()){count2[chars2[right]-'a']++;left = right-n;count2[chars2[left]-'a']--;if(Arrays.equals(count1,count2)){res.add(left+1);}right++;}return res;
}

滑动窗口最大值

leetcode239
将遍历到的元素以二元组的形式存放在大顶堆中,二元组分别元素和对应下标,最值即为堆顶元素,判断最值之前,需要将不属于滑动窗口范围内的堆顶元素移除

public int[] maxSlidingWindow(int[] nums, int k) {int[] ans = new int[nums.length - k + 1];PriorityQueue<int[]> maxHeap = new PriorityQueue<>((a,b)->(b[0]-a[0]));int res = 0;int left = 0;int right = k;for (int i = left; i < right; i++) {maxHeap.offer(new int[]{nums[i],i});}ans[res++] = maxHeap.peek()[0];while (right < nums.length) {maxHeap.offer(new int[]{nums[right],right++});left++;while(maxHeap.peek()[1]<left){maxHeap.poll();}ans[res++] = maxHeap.peek()[0];}return ans;
}

这篇关于算法必刷系列之滑动窗口的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/392477

相关文章

Spring Security 从入门到进阶系列教程

Spring Security 入门系列 《保护 Web 应用的安全》 《Spring-Security-入门(一):登录与退出》 《Spring-Security-入门(二):基于数据库验证》 《Spring-Security-入门(三):密码加密》 《Spring-Security-入门(四):自定义-Filter》 《Spring-Security-入门(五):在 Sprin

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

康拓展开(hash算法中会用到)

康拓展开是一个全排列到一个自然数的双射(也就是某个全排列与某个自然数一一对应) 公式: X=a[n]*(n-1)!+a[n-1]*(n-2)!+...+a[i]*(i-1)!+...+a[1]*0! 其中,a[i]为整数,并且0<=a[i]<i,1<=i<=n。(a[i]在不同应用中的含义不同); 典型应用: 计算当前排列在所有由小到大全排列中的顺序,也就是说求当前排列是第

csu 1446 Problem J Modified LCS (扩展欧几里得算法的简单应用)

这是一道扩展欧几里得算法的简单应用题,这题是在湖南多校训练赛中队友ac的一道题,在比赛之后请教了队友,然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意:把题意转变下就变成了:求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点:求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖

【数据结构】——原来排序算法搞懂这些就行,轻松拿捏

前言:快速排序的实现最重要的是找基准值,下面让我们来了解如何实现找基准值 基准值的注释:在快排的过程中,每一次我们要取一个元素作为枢纽值,以这个数字来将序列划分为两部分。 在此我们采用三数取中法,也就是取左端、中间、右端三个数,然后进行排序,将中间数作为枢纽值。 快速排序实现主框架: //快速排序 void QuickSort(int* arr, int left, int rig

poj 3974 and hdu 3068 最长回文串的O(n)解法(Manacher算法)

求一段字符串中的最长回文串。 因为数据量比较大,用原来的O(n^2)会爆。 小白上的O(n^2)解法代码:TLE啦~ #include<stdio.h>#include<string.h>const int Maxn = 1000000;char s[Maxn];int main(){char e[] = {"END"};while(scanf("%s", s) != EO

科研绘图系列:R语言扩展物种堆积图(Extended Stacked Barplot)

介绍 R语言的扩展物种堆积图是一种数据可视化工具,它不仅展示了物种的堆积结果,还整合了不同样本分组之间的差异性分析结果。这种图形表示方法能够直观地比较不同物种在各个分组中的显著性差异,为研究者提供了一种有效的数据解读方式。 加载R包 knitr::opts_chunk$set(warning = F, message = F)library(tidyverse)library(phyl

秋招最新大模型算法面试,熬夜都要肝完它

💥大家在面试大模型LLM这个板块的时候,不知道面试完会不会复盘、总结,做笔记的习惯,这份大模型算法岗面试八股笔记也帮助不少人拿到过offer ✨对于面试大模型算法工程师会有一定的帮助,都附有完整答案,熬夜也要看完,祝大家一臂之力 这份《大模型算法工程师面试题》已经上传CSDN,还有完整版的大模型 AI 学习资料,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言