【Leetcode每日一刷】数组|双指针篇:977. 有序数组的平方、76. 最小覆盖子串(附滑动窗口法详解)

本文主要是介绍【Leetcode每日一刷】数组|双指针篇:977. 有序数组的平方、76. 最小覆盖子串(附滑动窗口法详解),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!

力扣每日刷题

  • 一、977. 有序数组的平方
    • 1.1题目
    • 1.2、解题思路
    • 1.3、代码实现——C++
  • 二、76. 最小覆盖子串
    • 2.1:题目
    • 2.2、解题思路
    • 2.3:代码实现——c++
    • 2.4:易错点

一、977. 有序数组的平方

1.1题目

[题目链接](
在这里插入图片描述

1.2、解题思路

  • 题型:双指针——左右指针

  • 关键:当有可能含负数的有序数组平方后,最大值只有可能位于数组两侧,整个数组呈一个凹函数,从两边向中间递减。

  • 思路:如果把这题只是当作普通的排序题做,其实就没有意义了。大不了就是调用库函数sort(nums.begin(), nums.end())进行排序;
    但是这题的关键如上,也就是平方后数组由两边向中间递减,最大值只有可能位于两侧。由于这样的特性,利用双指针, 从两边向中间探测,互相比较,逐渐挑出最大值,再到次最大值…一直到最小值。

    1). 设置左右两个指针leftright,位于数组两侧
    2).设置新数组,大小和元素中相同。
    3).循环条件为while(left <= right),每次循环,将左指针和右指针处的元素进行比较。谁大,就把元素放入新数组(从尾端开始放起)。

1.3、代码实现——C++

  1. 暴力解法
class Solution {
public:vector<int> sortedSquares(vector<int>& nums) {for(int i =0; i < nums.size(); i++){nums[i] = nums[i]*nums[i];}sort(nums.begin(), nums.end());//快速排序O(nlogn)return nums;}
};
  1. 双指针解法(时间复杂度O(n))
class Solution {
public:vector<int> sortedSquares(vector<int>& nums) {for(int i =0; i < nums.size(); i++){nums[i] = nums[i]*nums[i];}vector<int> res(nums.size());int left = 0;int right = nums.size()-1;int i = nums.size()-1;while(left <= right){if(nums[right] >= nums[left]){res[i--] = nums[right];right--;}else{res[i--] = nums[left];left++;}}return res;}
};

二、76. 最小覆盖子串

2.1:题目

题目链接🔗
在这里插入图片描述

2.2、解题思路

  • 题型滑动窗口;时间复杂度:O(n)
    🪧 滑动窗口本质也是双指针的一种技巧,特别适用于字串问题

  • ❗❗核心思想/ 关键左右指针滑窗口,一前一后齐头进。

    1. 首先初始化left = 0right = 0两个左右指针,表示左闭右开区间(0, 0](表示初始时窗口中没有元素)

    初始化两边都闭[0, 0],那么初始化窗口就包含一个元素;初始化两边都开(0,0),那么让right向后移动一位,开区间任然没有元素(0, 1]。只有初始化为左闭右开区间(0, 0]最方便:right向右移动一位:添加一个元素进窗口;left向左移动一位,剔除窗口左边元素。

    1. 不断增加right指针,增加窗口[left, right)中的元素,直到:窗口[left, right)中的元素都符合要求。———— 寻找可行解⭐

    2. 此时,停止增加right指针,转而不断减小left指针,直到窗口[left, right)的元素都不符合要求;此时,再继续增加right指针。🔺注意:每次增加left指针来缩小窗口[left, right)时,都要更新一轮结果!———— 优化可行解⭐

    3. 不断重复2)3)步,直到right指针走到数组/ 字符串的尽头。———— 得到最终的最优解

  • 算法框架:注意下面框架中的6个关键点!

    /* 滑动窗口算法框架 */
    void slidingWindow(string s) {// ⭐1)用合适的数据结构记录窗口中的数据情况(以便和所需的可行解进行比对)unordered_map<char, int> window;// ⭐2)// 记录最小符合条件子串的起始索引及长度int start = 0, len = INT_MAX; //根据实际算法所需答案进行调整int left = 0, right = 0;while (right < s.size()) {// c 是将移入窗口的字符char c = s[right];window.add(c)// 增大窗口right++;// ⭐3)进行增大窗口后,更新关于记录当前窗口内数据情况的变量(以便稍后和所需的可行解进行比对).../*** debug 输出的位置 ***/// 注意在最终的解法代码中不要 print// 因为 IO 操作很耗时,可能导致超时printf("window: [%d, %d)\n", left, right);/********************/// ⭐4)找到可行解——判断左侧窗口是否要收缩(进行更新)while (left < right && window needs shrink) {//进入到这个while里面说明找到一个可行解//⭐5)进行最终的所需的答案更新// eg:在这里更新符合条件的*最小*子串(即最终结果)if (right - left < len) {start = left;len = right - left;}// d 是将移出窗口的字符char d = s[left];window.remove(d)// 缩小窗口left++;// ⭐6)进行缩小窗口后,更新关于记录当前窗口内数据情况的变量(以便稍后和所需的可行解进行比对)...}}
    }

    🌟1. 3)6)的操作分别是扩大和缩小窗口后的更新操作,等会你会发现它们操作是完全对称的。作用都是更新当前窗口中的数据情况,再拿去和题目所需的可行解进行比对,判断当前窗口内的情况是否可行!

    🌟2. 5)步也很关键,它的作用是:找到一个可行解&更新得到一个可行解后,对题目最终需要的最优答案进行更新!

  • 本题思路

    1. 首先,初始化两张哈希表unordered_map: windowneed,分别表示:当前[left, right)窗口中的字符情况和所需情况。——两者的情况进行比对,判断当前窗口中的情况是否可行。
    2. 初始化leftright指针,进行窗口滑动.
    3. 设置和初始化答案变量startlen,进行最终最优答案的实时更新和记录。
    4. 关于本题的特殊地方:设置一个辅助变量valid,作用是判断当前window中有效字符个数(只有当window中的这个字符在need中,且这个字符的个数和need中这个字符对应的个数相等,valid才会+1

      这个相当于一个小细节,只有windowneed,把两个进行比对,当然也OK。但是这题的可行情况并不是当windowneed完全一样时,就可行,换句话说,就是不能直接把windowneed进行对比。因为最优window很有可能覆盖了need,但是还有其他字符。所以valid的作用:记录当前窗口的可行性情况,与need进行比对!

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

2.3:代码实现——c++

class Solution {
public:string minWindow(string s, string t) {unordered_map<char, int> window, need;//初始化window和need数组for (char c : t){need[c] ++;window[c] = 0;}int valid = 0;//记录当前window中的有效字符个数(方便后续判断当前window是否可行)int start = 0; int len = INT_MAX;// 存储答案的变量,需要在window符合情况时,进行实时更新int left = 0; int right = 0; // 双指针,控制window滑动窗口的大小while(left <= right && right < s.size()){//c是right++后待移入窗口中的元素char c = s[right];// right++ 扩大滑动窗口right ++;//扩大窗口后更新记录窗口情况的window和valid的大小(方便后续判断当前window是否可行if(need.count(c)){// 当前元素c包含在need中window[c]++;if(window[c] == need[c]){valid++;}}//判断当前window中情况是否可行while( valid == need.size() ){//首先,获得一个or更新得到一个可行情况,立即对答案进行更新if(right - left < len){start = left;len = right - left;}// c是left++缩小窗口后待移除的元素char c = s[left];//符合情况,缩小窗口left++;//缩小窗口后更新记录窗口情况的window和valid的大小(方便后续判断当前window是否可行if(need.count(c)){if(window[c] == need[c]){valid--;}window[c]--;}}}// 返回最小覆盖子串return len == INT_MAX ?"" : s.substr(start, len);}
};

2.4:易错点

在实际写代码进行实现时,我犯了两个错误

  1. 在对right++left++来分别扩大和缩小滑动窗口之后,才获得待增加or待移除元素。

    • 错误代码
     while(left <= right && right < s.size()){      // right++ 扩大滑动窗口right ++; // ❌此时right从 0 到 1char c = s[right]; //❌c 一开始就获得的不是第一个元素,而是第二个元素//扩大窗口后更新记录窗口情况的window和valid的大小(方便后续判断当前window是否可行if(need.count(c)){// 当前元素c包含在need中window[c]++;if(window[c] == need[c]){valid++;}}
    • 正确做法:right++left++之前,先用变量存储待增加or待减少元素。
      while(left <= right && right < s.size()){//c是right++后待移入窗口中的元素char c = s[right];// right++ 扩大滑动窗口right ++;//扩大窗口后更新记录窗口情况的window和valid的大小(方便后续判断当前window是否可行if(need.count(c)){// 当前元素c包含在need中window[c]++;if(window[c] == need[c]){valid++;}}
    
  2. 在缩小窗口部分发生一个逻辑错误:在将元素移除之后,才判断当前valid是否应该减少。

    • 错误代码
    		left++;//缩小窗口后更新记录窗口情况的window和valid的大小(方便后续判断当前window是否可行if(need.count(c)){// 当前元素c包含在need中window[c]--;if(window[c] == need[c]){valid--;}}
    
    • 正确做法:判断valid是否应该减少,应该是基于该元素没有移除之前的情况!
    if(need.count(c)){if(window[c] == need[c]){valid--;}window[c]--;
    }
    

这篇关于【Leetcode每日一刷】数组|双指针篇:977. 有序数组的平方、76. 最小覆盖子串(附滑动窗口法详解)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/791361

相关文章

Spring Security基于数据库验证流程详解

Spring Security 校验流程图 相关解释说明(认真看哦) AbstractAuthenticationProcessingFilter 抽象类 /*** 调用 #requiresAuthentication(HttpServletRequest, HttpServletResponse) 决定是否需要进行验证操作。* 如果需要验证,则会调用 #attemptAuthentica

哈希leetcode-1

目录 1前言 2.例题  2.1两数之和 2.2判断是否互为字符重排 2.3存在重复元素1 2.4存在重复元素2 2.5字母异位词分组 1前言 哈希表主要是适合于快速查找某个元素(O(1)) 当我们要频繁的查找某个元素,第一哈希表O(1),第二,二分O(log n) 一般可以分为语言自带的容器哈希和用数组模拟的简易哈希。 最简单的比如数组模拟字符存储,只要开26个c

hdu2241(二分+合并数组)

题意:判断是否存在a+b+c = x,a,b,c分别属于集合A,B,C 如果用暴力会超时,所以这里用到了数组合并,将b,c数组合并成d,d数组存的是b,c数组元素的和,然后对d数组进行二分就可以了 代码如下(附注释): #include<iostream>#include<algorithm>#include<cstring>#include<stack>#include<que

OpenHarmony鸿蒙开发( Beta5.0)无感配网详解

1、简介 无感配网是指在设备联网过程中无需输入热点相关账号信息,即可快速实现设备配网,是一种兼顾高效性、可靠性和安全性的配网方式。 2、配网原理 2.1 通信原理 手机和智能设备之间的信息传递,利用特有的NAN协议实现。利用手机和智能设备之间的WiFi 感知订阅、发布能力,实现了数字管家应用和设备之间的发现。在完成设备间的认证和响应后,即可发送相关配网数据。同时还支持与常规Sof

poj2406(连续重复子串)

题意:判断串s是不是str^n,求str的最大长度。 解题思路:kmp可解,后缀数组的倍增算法超时。next[i]表示在第i位匹配失败后,自动跳转到next[i],所以1到next[n]这个串 等于 n-next[n]+1到n这个串。 代码如下; #include<iostream>#include<algorithm>#include<stdio.h>#include<math.

poj3261(可重复k次的最长子串)

题意:可重复k次的最长子串 解题思路:求所有区间[x,x+k-1]中的最小值的最大值。求sa时间复杂度Nlog(N),求最值时间复杂度N*N,但实际复杂度很低。题目数据也比较水,不然估计过不了。 代码入下: #include<iostream>#include<algorithm>#include<stdio.h>#include<math.h>#include<cstring

spoj705( 求不相同的子串个数)

题意:求串s的不同子串的个数 解题思路:任何子串都是某个后缀的前缀,对n个后缀排序,求某个后缀的前缀的个数,减去height[i](第i个后缀与第i-1 个后缀有相同的height[i]个前缀)。 代码如下: #include<iostream>#include<algorithm>#include<stdio.h>#include<math.h>#include<cstrin

poj 1258 Agri-Net(最小生成树模板代码)

感觉用这题来当模板更适合。 题意就是给你邻接矩阵求最小生成树啦。~ prim代码:效率很高。172k...0ms。 #include<stdio.h>#include<algorithm>using namespace std;const int MaxN = 101;const int INF = 0x3f3f3f3f;int g[MaxN][MaxN];int n

poj 1287 Networking(prim or kruscal最小生成树)

题意给你点与点间距离,求最小生成树。 注意点是,两点之间可能有不同的路,输入的时候选择最小的,和之前有道最短路WA的题目类似。 prim代码: #include<stdio.h>const int MaxN = 51;const int INF = 0x3f3f3f3f;int g[MaxN][MaxN];int P;int prim(){bool vis[MaxN];

poj 2349 Arctic Network uva 10369(prim or kruscal最小生成树)

题目很麻烦,因为不熟悉最小生成树的算法调试了好久。 感觉网上的题目解释都没说得很清楚,不适合新手。自己写一个。 题意:给你点的坐标,然后两点间可以有两种方式来通信:第一种是卫星通信,第二种是无线电通信。 卫星通信:任何两个有卫星频道的点间都可以直接建立连接,与点间的距离无关; 无线电通信:两个点之间的距离不能超过D,无线电收发器的功率越大,D越大,越昂贵。 计算无线电收发器D