当前位置: 首页 > news >正文

[算法] 优先算法(四):滑动窗口(下)

🌸个人主页:https://blog.csdn.net/2301_80050796?spm=1000.2115.3001.5343
🏵️热门专栏:
🧊 Java基本语法(97平均质量分)https://blog.csdn.net/2301_80050796/category_12615970.html?spm=1001.2014.3001.5482
🍕 Collection与数据结构 (92平均质量分)https://blog.csdn.net/2301_80050796/category_12621348.html?spm=1001.2014.3001.5482
🧀Java EE(94平均质量分) https://blog.csdn.net/2301_80050796/category_12643370.html?spm=1001.2014.3001.5482
🍭MySql数据库(93平均质量分)https://blog.csdn.net/2301_80050796/category_12629890.html?spm=1001.2014.3001.5482
🍬算法(97平均质量分)https://blog.csdn.net/2301_80050796/category_12676091.html?spm=1001.2014.3001.5482
感谢点赞与关注~~~
在这里插入图片描述
✒️ 期末考试结束,暑假回归,文章将会保持更新.

目录

  • 6. 水果成篮(难度:🟡3度)
  • 7. 找到字符串中的所有字母异位词(难度:🟠4度)
  • 8. 串联所有单词的子串(难度:🔴5度)

6. 水果成篮(难度:🟡3度)

OJ链接

  • 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 = [1,2,3,2,2]
输出:4
解释:可以采摘 [2,3,2,2] 这四棵树。
如果从第一棵树开始采摘,则只能采摘 [1,2] 这两棵树。
示例 4:
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。

  • 算法原理
    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。
    让滑动窗口满足:窗口内水果的种类只有两种
    右端水果进入窗口的时候,用哈希表统计这个水果的频次。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,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
    a. 初始化哈希表hash来统计窗口内水果的种类和数量;
    b. 初始化变量:左右指针left=0,right=0,记录结果的变量ret=0
    c. 当right小于数组大小的时候,⼀直执行下列循环:
    i. 将当前水果放入哈希表中;
    ii. 判断当前水果进来后,哈希表的大小:
    • 如果超过2:
    ◦ 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;
    iii. 更新结果ret;
    iv. right++,让下⼀个元素进入窗口;
    d. 循环结束后,ret存的就是最终结果。
  • 代码实现
class Solution {public int totalFruit(int[] fruits) {Map<Integer,Integer> hash = new HashMap<>();int ret = 0;for (int right = 0,left = 0;right < fruits.length;right++){hash.put(fruits[right],hash.getOrDefault(fruits[right],0)+1);while(hash.size() > 2){hash.put(fruits[left],hash.get(fruits[left])-1);if (hash.get(fruits[left]) == 0){hash.remove(fruits[left]);}left++;}ret = Math.max(ret,right-left+1);}return ret;}
}

7. 找到字符串中的所有字母异位词(难度:🟠4度)

OJ链接

  • 题目描述

给定两个字符串 s 和 p,找到 s 中所有 p 的 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。

  • 算法原理(滑动窗口+哈希表)
    • 首先这道题的窗口大小是固定的,大小就是p的长度.要是窗口大小小于或等于p的长度,就要进窗口,大于就要出窗口.
    • 这道题需要用到两个哈希表,hash1用来统计p中的字母种类及其个数.hash2用来统计窗口范围内的字母种类和个数.
    • 这道题还需要用count这个变量来统计窗口范围中有效的字符个数.
      • 如果窗口中某个字母的个数<=hash1中某个字母的个数,那么这个字母就是有效字母,在进窗口时要给count++,在出窗口的时候,就要给count–.
      • 在每一次进出窗口,并处理count之后,如果count == p.length(),说明count中全部是有效字母,这个区间就是要找的区间.记录在list中.
  • 代码实现
class Solution {public List<Integer> findAnagrams(String s, String p) {List<Integer> list = new ArrayList<>();Map<Character,Integer> hash1 = new HashMap<>();Map<Character,Integer> hash2 = new HashMap<>();for (int i = 0 ; i < p.length() ; i++){hash1.put(p.charAt(i),hash1.getOrDefault(p.charAt(i),0)+1);}int count = 0;//用来统计有效字符个数for (int left = 0,right = 0;right < s.length();right++){char in = s.charAt(right);hash2.put(in,hash2.getOrDefault(in,0)+1);//进窗口if (hash2.get(in) <= hash1.getOrDefault(in,0)){//大于hash1中的重复字符不计入count++;//统计有效字符}if (right-left+1 > p.length()){//窗口大于p的长度,出窗口char out = s.charAt(left);if (hash2.get(out) <= hash1.getOrDefault(out,0)){//看出的是否是有效字符count--;}hash2.put(out,hash2.get(out)-1);//判断完成之后再出窗口left++;}if (count == p.length()){//说明窗口里面全部是有效字符list.add(left);}}return list;}
}

8. 串联所有单词的子串(难度:🔴5度)

OJ链接

  • 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。

  • 算法原理(滑动窗口+哈希表)
    这道题的算法原理与上一道题非常类似,只不过现在的对象不是字母,而是字符串,只需要把一个个的字符串看成一个个的字母即可.
    但是这道题还是有和上一道题不一样的地方,一共有三点:
    • 哈希表存放元素的种类不一样,hash<String,int>.
    • left与right指针移动的步长不一样,这里移动的步长是words中每个单词的长度.
    • 滑动窗口执行的次数不一样,一共执行words中每个单词的长度的次数.原理如下图:
      在这里插入图片描述
  • 代码实现
class Solution {public List<Integer> findSubstring(String s, String[] words) {List<Integer> list = new ArrayList<>();Map<String,Integer> hash1 = new HashMap<>();int len = words[0].length();for (int i = 0;i < words.length;i++){hash1.put(words[i],hash1.getOrDefault(words[i],0)+1);}for (int i = 0;i < len;i++){//滑动窗口执行的次数int count = 0;Map<String,Integer> hash2 = new HashMap<>();for (int left = i,right = i;right+len <= s.length();right+=len){String in = s.substring(right,right+len);hash2.put(in,hash2.getOrDefault(in,0)+1);if (hash2.get(in) <= hash1.getOrDefault(in,0)){count++;}if (right-left+1 > words.length*len){String out = s.substring(left,left+len);if (hash2.get(out) <= hash1.getOrDefault(out,0)){count--;}hash2.put(out,hash2.getOrDefault(out,0)-1);left += len;}if (words.length == count){list.add(left);}}}return list;}
}

相关文章:

  • 北京网站建设多少钱?
  • 辽宁网页制作哪家好_网站建设
  • 高端品牌网站建设_汉中网站制作
  • 表格数据存本地,实时保存
  • C++基础(1)
  • 构建LangChain应用程序的示例代码:60、探索 OpenAI V1 新功能及其在 LangChain 中的应用
  • unity 手动制作天空盒及使用
  • 30 华三华为STP
  • python+django 环境搭建以及post接口封装
  • Java内存区域与内存溢出异常(自动内存管理)
  • 鸿蒙系统创建签名文件及使用创建签名文件打包并安装
  • Labview_Workers5.0 学习笔记
  • 评价ChatGPT与强人工智能的未来
  • 【虚幻引擎】UE4初学者系列教程开发进阶实战篇——生存游戏案例
  • C语言求10进制转2进制(除2取余法)
  • Linux x86_64平台指令替换函数 text_poke_smp/bp
  • python的魔法方法
  • 虚拟现实3d场景漫游体验实现了“所见即所得”
  • 2017-08-04 前端日报
  • Debian下无root权限使用Python访问Oracle
  • express + mock 让前后台并行开发
  • flask接收请求并推入栈
  • GDB 调试 Mysql 实战(三)优先队列排序算法中的行记录长度统计是怎么来的(上)...
  • gulp 教程
  • MD5加密原理解析及OC版原理实现
  • PHP那些事儿
  • 两列自适应布局方案整理
  • 入门级的git使用指北
  • 删除表内多余的重复数据
  • 文本多行溢出显示...之最后一行不到行尾的解决
  • 项目管理碎碎念系列之一:干系人管理
  • 小程序button引导用户授权
  • Java数据解析之JSON
  • Linux权限管理(week1_day5)--技术流ken
  • shell使用lftp连接ftp和sftp,并可以指定私钥
  • 阿里云重庆大学大数据训练营落地分享
  • ​Kaggle X光肺炎检测比赛第二名方案解析 | CVPR 2020 Workshop
  • # 执行时间 统计mysql_一文说尽 MySQL 优化原理
  • ###STL(标准模板库)
  • (003)SlickEdit Unity的补全
  • (01)ORB-SLAM2源码无死角解析-(56) 闭环线程→计算Sim3:理论推导(1)求解s,t
  • (2024最新)CentOS 7上在线安装MySQL 5.7|喂饭级教程
  • (C++二叉树05) 合并二叉树 二叉搜索树中的搜索 验证二叉搜索树
  • (附源码)springboot太原学院贫困生申请管理系统 毕业设计 101517
  • (四)汇编语言——简单程序
  • (译) 理解 Elixir 中的宏 Macro, 第四部分:深入化
  • (最完美)小米手机6X的Usb调试模式在哪里打开的流程
  • .bat批处理(一):@echo off
  • .htaccess配置重写url引擎
  • .net core + vue 搭建前后端分离的框架
  • .net core 源码_ASP.NET Core之Identity源码学习
  • .NET Core中如何集成RabbitMQ
  • .NET Framework Client Profile - a Subset of the .NET Framework Redistribution
  • .Net Memory Profiler的使用举例
  • .NET6使用MiniExcel根据数据源横向导出头部标题及数据
  • .sh 的运行
  • ??eclipse的安装配置问题!??
  • @ModelAttribute注解使用