滑动窗口
原题:
典型的滑动窗口问题,其思想本质是:
1.双指针(并非一定设置成指针),前指针主动移动,后指针被迫移动,即通过对约束条件的判断来移动后指针。
2.右指针每次移动一位,而左指针视情况移动,可能为多次。
3.移动右指针探索,移动左指针去满足条件,进而得出满足要求的区间。
以下转载自LeetCode大佬发出的滑动窗口的模板
def findSubArray(nums):
N = len(nums) # 数组/字符串长度
left, right = 0, 0 # 双指针,表示当前遍历的区间[left, right],闭区间
sums = 0 # 用于统计 子数组/子区间 是否有效,根据题目可能会改成求和/计数
res = 0 # 保存最大的满足题目要求的 子数组/子串 长度
while right < N: # 当右边的指针没有搜索到 数组/字符串 的结尾
sums += nums[right] # 增加当前右边指针的数字/字符的求和/计数
while 区间[left, right]不符合题意:# 此时需要一直移动左指针,直至找到一个符合题意的区间
sums -= nums[left] # 移动左指针前需要从counter中减少left位置字符的求和/计数
left += 1 # 真正的移动左指针,注意不能跟上面一行代码写反
# 到 while 结束时,我们找到了一个符合题意要求的 子数组/子串
res = max(res, right - left + 1) # 需要更新结果
right += 1 # 移动右指针,去探索新的区间
return res
滑动窗口中用到了左右两个指针,它们移动的思路是:以右指针作为驱动,拖着左指针向前走。右指针每次只移动一步,而左指针在内部 while 循环中每次可能移动多步。右指针是主动前移,探索未知的新区域;左指针是被迫移动,负责寻找满足题意的区间。
模板的整体思想是:
1.定义两个指针 left 和 right 分别指向区间的开头和结尾,注意是闭区间;定义 sums 用来统计该区间内的各个字符出现次数;
2.第一重 while 循环是为了判断 right 指针的位置是否超出了数组边界;当 right 每次到了新位置,需要增加 right 指针的求和/计数;
3.第二重 while 循环是让 left 指针向右移动到 [left, right] 区间符合题意的位置;当 left 每次移动到了新位置,需要减少 left 指针的求和/计数;
4.在第二重 while 循环之后,成功找到了一个符合题意的 [left, right] 区间,题目要求最大的区间长度,因此更新 res 为 max(res, 当前区间的长度) 。
5.right 指针每次向右移动一步,开始探索新的区间。
心得:滑动窗口的思想及模板不难理解,另外值得学习的是
res = max(res, right - left + 1)
更新结果所使用的方法,这样保证了取到最大值,是自己做题时没有想到的。但是并非一定在while循环 的每一次迭代都进行判断,仅在以下情况下才会发生最大值的变化:
- 因为
A[right]
的加入导致zeros > K
,也即滑窗条件被破坏时;此时可知区间[left,right)
是起始点在left
处且满足滑窗条件的最长子序列。考虑做更新res = max(res, right - left)
- 当
right=n
(此时已跳出循环,但区间[left,n)
(或[left,right)
)是符合滑窗条件的)。因此需要在在循环外考虑一步更新res = max(res, right - left)
因此可以考虑将代码优化为仅在zeros>K的情况,已经退出最外层while循环时进行判断。
1052题官方题解部分代码:
for (int i = X; i < n; i++) {
increase = increase - customers[i - X] * grumpy[i - X] + customers[i] * grumpy[i];
maxIncrease = max(maxIncrease, increase);
}
return total + maxIncrease;
此题是窗口长度不变的情况,官方题解直接用 i-X,i (X是固定的窗口长度)来控制窗口移动时,左边去掉一个,右边加上一个。