视频课程:同向双指针 滑动窗口【基础算法精讲 01】_哔哩哔哩_bilibili
滑动窗口也可以理解为双指针法的一种。
滑动窗口的核心在于连续!如果需要得到的结果是满足某种较为明显条件的连续的子数组,可以考虑使用滑动窗口来做。
通常情况下,滑动窗口是枚举右端点,然后按条件移动左端点。
枚举右端点比枚举左端点方便,因为枚举右端点,移动左端点时信息是枚举过的,是已知的;移动左端点是在缩小范围,通常更好写。
如果左端点的移动条件不明或者比较复杂,就不适合用滑动窗口。
滑动窗口一般来说,是将题目转换为求最短长度的子序列/最大长度的子序列问题,满足条件的子序列就是窗口,枚举所有窗口右端点的同时,更新左端点。
左端点的移动原则:找长度最短的窗口,就是只要满足条件就移动左端点;找长度最长的窗口,就是超范围了才移动左端点。
找长度最短的连续子序列
示例1:209.长度最小的子数组
给定一个含有 n 个正整数的数组和一个正整数 target 。
找出该数组中满足其和 ≥ target 的长度最小的 连续子数组 [numsl, numsl+1, …, numsr-1, numsr] ,并返回其长度。如果不存在符合条件的子数组,返回 0 。
示例 1:
输入:target = 7, nums = [2,3,1,2,4,3]
输出:2
解释:子数组 [4,3] 是该条件下的长度最小的子数组。
示例 2:
输入:target = 4, nums = [1,4,4]
输出:1
示例 3:
输入:target = 11, nums = [1,1,1,1,1,1,1,1]
输出:0
提示:
- 1 <= target <= 10^9
- 1 <= nums.length <= 10^5
- 1 <= nums[i] <= 10^5
思路
本题是很经典的滑动窗口题目,选取特定条件下的连续子数组,且为找最小长度子序列问题。因此本题是只要while循环满足条件,就更新左端点,从而使得最后得到的窗口长度是最小值。
本题特定条件并不复杂,是求和的条件,并不需要单独写函数。只要满足特定条件,就可以进行滑动。
解答
class Solution {
public:
int minSubArrayLen(int target, vector<int>& nums) {
int i=0;
int sum=0;
int subLength=0;
int result = INT_MAX;
//开始滑动,直接用[i,j]作为窗口
for(int j=0;j<nums.size();j++){
sum += nums[j];
//只要满足条件,就不断滑动,方便取最小值
while(sum>=target){
subLength = j-i+1;
result = result<subLength?result:subLength;
sum-=nums[i];
i++;
}
}
//如果一直没找到,结果置零
if(result==INT_MAX){
result=0;
}
return result;
}
};
二刷记录
class Solution {
public:
int minSubArrayLen(int target, vector<int>& nums) {
//经典滑动窗口
int leftIndex=0;
int sum=0;
int subLength = 0;
int result = INT_MAX;
for(int i=0;i<nums.size();i++){
sum+=nums[i];
//rightIndex++;不需要单独的右端点,滑动窗口本身就是枚举右端点
if(sum<target) continue;
else{
while(sum>=target){
//满足条件才会更新subLength
subLength = i-leftIndex+1;//记录遍历过的所有的窗口长度
result = (result<subLength)?result:subLength;
sum-=nums[leftIndex];
leftIndex++;
}
}
}
return (result==INT_MAX)?0:result;
}
};
找最长的连续子序列
示例1:2779.数组的最大美丽值(转换成连续子序列最大长度)
给你一个下标从 0 开始的整数数组 nums
和一个 非负 整数 k
。
在一步操作中,你可以执行下述指令:
- 在范围
[0, nums.length - 1]
中选择一个 此前没有选过 的下标i
。 - 将
nums[i]
替换为范围[nums[i] - k, nums[i] + k]
内的任一整数。
数组的 美丽值 定义为数组中由相等元素组成的最长子序列的长度。
对数组 nums
执行上述操作任意次后,返回数组可能取得的 最大 美丽值。
注意: 你只能对每个下标执行 一次 此操作。
数组的 子序列 定义是:经由原数组删除一些元素(也可能不删除)得到的一个新数组,且在此过程中剩余元素的顺序不发生改变。
示例 1:
输入:nums = [4,6,1,2], k = 2
输出:3
解释:在这个示例中,我们执行下述操作:
- 选择下标 1 ,将其替换为 4(从范围 [4,8] 中选出),此时 nums = [4,4,1,2] 。
- 选择下标 3 ,将其替换为 4(从范围 [0,4] 中选出),此时 nums = [4,4,1,4] 。
执行上述操作后,数组的美丽值是 3(子序列由下标 0 、1 、3 对应的元素组成)。
可以证明 3 是我们可以得到的由相等元素组成的最长子序列长度。
示例 2:
输入:nums = [1,1,1,1], k = 10
输出:4
解释:在这个示例中,我们无需执行任何操作。
数组 nums 的美丽值是 4(整个数组)。
提示:
1 <= nums.length <= 105
0 <= nums[i], k <= 105
思路1:排序+滑动窗口
因为美丽值的定义是数组中由相等元素组成的最长子序列的长度,因此我们想要获得全部都是相等元素的序列,并求最大长度。
虽然本题要求 子序列 定义是剩余元素的顺序不发生改变,但是求的是相等元素组成的最长子序列长度,因此元素的顺序并不影响结果。
因此我们可以先进行排序,让相等的元素排在一起,此时只需要判断窗口左端点(最小值)和右端点(最大值)是不是相等,也就是只有nums[r]-k<=nums[l]+k
的时候,才作为有效窗口。
此时,本题就转变成了,求满足nums[r]-k<=nums[l]+k
条件的最长子序列,也就是找最长的连续子数组,其最大值-最小值不超过2k。
也属于找最长子序列问题。最长子序列需要枚举右端点,只有不满足条件的时候,才更新左端点。
class Solution {
public:
int maximumBeauty(vector<int>& nums, int k) {
sort(nums.begin(), nums.end());
int res=1;//这道题子序列是找相等元素
for(int left=0,right=0;right<nums.size();right++){
//因为是找最大长度,所以是不符合<=条件了,才移动左端点
while((nums[right]-nums[left])>2*k){
left++;
}
res=max(res,right-left+1);//res存放长度的最大值
}
return res;
}
};
注意点
由于选的是子序列,且子序列的元素都相等,所以元素顺序对答案没有影响,可以先对数组排序。
且仔细看用例1可以看出,并不要求最后的子数组在原数组也是连续的,只是找替换后相等的数字组成的总长度,并不是找原数组中就连续的子数组!
参考题解:
灵茶山艾府
力扣周赛总结
示例2:674.最长连续递增序列(连续子序列最大长度)
给定一个未经排序的整数数组,找到最长且 连续递增的子序列,并返回该序列的长度。
连续递增的子序列 可以由两个下标 l
和 r
(l < r
)确定,如果对于每个 l <= i < r
,都有 nums[i] < nums[i + 1]
,那么子序列 [nums[l], nums[l + 1], ..., nums[r - 1], nums[r]]
就是连续递增子序列。
示例 1:
输入:nums = [1,3,5,4,7]
输出:3
解释:最长连续递增序列是 [1,3,5], 长度为3。
尽管 [1,3,5,7] 也是升序的子序列, 但它不是连续的,因为 5 和 7 在原数组里被 4 隔开。
示例 2:
输入:nums = [2,2,2,2,2]
输出:1
解释:最长连续递增序列是 [2], 长度为1。
提示:
1 <= nums.length <= 10^4
-10^9 <= nums[i] <= 10^9
思路1:滑动窗口
本题是求连续递增子序列的长度,此时第一反应是滑动窗口。
本题和上一题:数组的最大美丽值 很像,美丽值这道题目求的也是连续的最长子序列的长度,这两道题的做法类似但是有一定的区别。
本题的滑动窗口做法:
- 遇到不是递增的,直接更新左端点
class Solution {
public:
int findLengthOfLCIS(vector<int>& nums) {
if(nums.size()==1) return 1;
//开始滑动
int res=1;
int start=0;//先从下标0位置开始找
for(int i=1;i<nums.size();i++){
//只要不是递增,直接修改左端点
if(nums[i]<=nums[i-1]){
start=i;
}
res=max(res,i-start+1);//res存放长度的最大值
}
return res;
}
};
滑动窗口二刷记录
class Solution {
public:
int findLengthOfLCIS(vector<int>& nums) {
int leftIndex = 0;
int subLength = 0;
int result = INT_MIN;
for(int rightIndex=0;rightIndex<nums.size()-1;rightIndex++){
//注意:这里是rightIndex<rightIndex+1,因此长度需要从rightIndex+1开始减去左端点!
if(nums[rightIndex]<nums[rightIndex+1]){
cout<<nums[rightIndex]<<endl;
subLength = rightIndex+1-leftIndex+1; //因为是与rightIndex+1做比较!
result = (result>subLength)?result:subLength;
}
else{//不是连续递增了
leftIndex = rightIndex+1; //左端点的更新是从rightIndex+1开始的
}
}
return (result==INT_MIN)?1:result;
}
};
2779.数组最大美丽值的滑动窗口做法:
- 排序之后找左右窗口端点值相减<=2k的窗口,并求窗口最大长度
class Solution {
public:
int maximumBeauty(vector<int>& nums, int k) {
sort(nums.begin(), nums.end());
int res=1;//这道题子序列是找相等元素
for(int left=0,right=0;right<nums.size();right++){
//因为是找最大长度,所以是不符合<=条件了,才移动左端点
while((nums[right]-nums[left])>2*k){
left++;
}
res=max(res,right-left+1);//res存放长度的最大值
}
return res;
}
};
从这两个题目对比也可以看出来,滑动窗口指的是遍历右端点,按照条件移动左端点。
在最长连续递增子序列的问题中,需要找的是数组中最长的递增子序列。所以当发现当前元素不大于前一个元素时,窗口的左端点直接跳到新的位置求新的递增长度,不需要慢慢滑动。
在数组最大美丽值中,需要找的是数组中最长的由相等元素组成的子序列,且可以将数组中的元素替换为它加减k的结果。因此当发现窗口right-k大于窗口left+k时,需要将窗口的左边界进行滑动。
这两道题目的滑动窗口思想是类似的,都是通过移动窗口的左右边界来找到最长的满足某种条件的子序列。
思路2:动态规划
但是其实这个题没必要用滑动窗口,因为本题求递增子序列,左端点不用滑,只要一直枚举右端点能不能扩,断开的话将左端点移到右端点的位置即可。
本题可以像 300.最长递增子序列 一样用DP解决。
class Solution {
public:
int findLengthOfLCIS(vector<int>& nums) {
vector<int>dp(nums.size(),1);
if(nums.size()==1) return 1;
//记录长度的初始值
int res=1;
for(int i=1;i<nums.size();i++){
if(nums[i]>nums[i-1]){
dp[i]=dp[i-1]+1;
}
res=max(res,dp[i]);//res存放dp[i]的最大值
}
return res;
}
};
找满足条件的子数组个数
示例1:2762.不间断子数组
给你一个下标从 0 开始的整数数组 nums
。nums
的一个子数组如果满足以下条件,那么它是 不间断 的:
-
i
,i + 1
,…,j
表示子数组中的下标。对于所有满足i <= i1, i2 <= j
的下标对,都有0 <= |nums[i1] - nums[i2]| <= 2
。
请你返回 不间断 子数组的总数目。
子数组是一个数组中一段连续 非空 的元素序列。
示例 1:
输入:nums = [5,4,2,4]
输出:8
解释:
大小为 1 的不间断子数组:[5], [4], [2], [4] 。
大小为 2 的不间断子数组:[5,4], [4,2], [2,4] 。
大小为 3 的不间断子数组:[4,2,4] 。
没有大小为 4 的不间断子数组。
不间断子数组的总数目为 4 + 3 + 1 = 8 。
除了这些以外,没有别的不间断子数组。
示例 2:
输入:nums = [1,2,3]
输出:6
解释:
大小为 1 的不间断子数组:[1], [2], [3] 。
大小为 2 的不间断子数组:[1,2], [2,3] 。
大小为 3 的不间断子数组:[1,2,3] 。
不间断子数组的总数目为 3 + 2 + 1 = 6 。
提示:
1 <= nums.length <= 10^5
1 <= nums[i] <= 10^9
思路
这道题目也是一道典型的滑动窗口题,要求找出所有满足特定条件的连续子数组的个数。特定条件是,对于子数组中的任意两个元素,他们的绝对值差不能超过 2。
本题定义窗口满足绝对值差<=2的条件,且题目要求子数组连续,也就是不能改变原有元素顺序,因此我们不能直接对原数组进行排序求出绝对值<=2的连续子序列。但是我们依旧可以用滑动窗口right-left+1
来包含所有的,区间内的子数组的情况。
因为本题求的是符合条件的子数组的总数,所以只有令窗口最大,才能令窗口右端点-左端点+1这个长度包含所有的符合条件的情况。
因此本题可以转换为,求解满足 0 <= |nums[i1] - nums[i2]| <= 2
的最大长度的滑动窗口。
使用哈希表multiset的原因:自动找到窗口最大值/最小值
题目中要求但是排序后数组元素的顺序发生改变,会导致子数组与原数组中的子数组不再一致。
因为原题目中,要求的是子数组任意两个元素绝对值差不超过2。因此,我们就需要知道子数组的最大元素和最小元素之间的差值。
为了节省时间复杂度,防止我们每次找最大值和最小值都需要重新遍历,本题我们最好采用可重复的有序哈希表multiset/multimap来实现。
因为本题nums是存在重复元素的!因此我们只能选取key可重复的哈希表,允许重复的哈希表只有multiset和multimap。因为并不涉及次数统计,所以采用multiset。
解答
- 窗口实际上就是数组内的下标[left,right],只是把这些元素都放到mset里面进行储存了。
class Solution {
public:
long long continuousSubarrays(vector<int> &nums) {
long long result=0;
//创建一个multiset作为窗口,此处不是数组,因为set方便比较大小
multiset<int>mset;
int left=0;
//nums.size()不是nums.end()
for(int right = 0;right<nums.size();right++){
//加入窗口
mset.insert(nums[right]);
//set默认升序,最大值在rbegin
while(*mset.rbegin()-*mset.begin()>2){
mset.erase(mset.find(nums[left]));
left++;
}
//以right为右端点,左端点在[left,right]范围内任意一点都满足条件
//这里的result要进行累加!
result += right-left+1;
}
return result;
}
};
如何获得[left,right]窗口内所有大小的以right为右端点的数组
因为本题需要输出所有大小的数组个数,加上是遍历right,因此我们的策略是对于每一个right,找到右端点为right的所有大小的子数组!
例如[1,2,3],所有以right=3为右端点的子数组,就是[1,2,3][2,3],[3]
也就是说,对于每一个right,[left,right]内包括所有大小的,以right为右端点的数组个数,是right-left+1
。
因此result会在每一个right遍历的时候进行累加,得到**[left,right]窗口内所有大小的数组个数**。
总结
如果题目要求的是在原数组中就连续的子数组,那么不能进行排序的操作,需要借助multiset等容器来完成窗口内部的排序。
但是如果题目求的数组,并不是必须在原数组中就连续的,就可以考虑直接排序,让符合条件的元素相邻在一起。
示例2: 2799.统计完全子数组的数目
给你一个由 正 整数组成的数组 nums
。
如果数组中的某个子数组满足下述条件,则称之为 完全子数组 :
- 子数组中 不同 元素的数目等于整个数组不同元素的数目。
返回数组中 完全子数组 的数目。
子数组 是数组中的一个连续非空序列。
示例 1:
输入:nums = [1,3,1,2,2]
输出:4
解释:完全子数组有:[1,3,1,2]、[1,3,1,2,2]、[3,1,2] 和 [3,1,2,2] 。
示例 2:
输入:nums = [5,5,5,5]
输出:10
解释:数组仅由整数 5 组成,所以任意子数组都满足完全子数组的条件。子数组的总数为 10 。
提示:
1 <= nums.length <= 1000
1 <= nums[i] <= 2000
思路
首先我们需要知道有多少种不同的元素,然后使用滑动窗口的方式,一直扩大右边界,直到窗口内的元素种类与原数组相同,此时缩小左边界,每次缩小左边界,都可以对答案进行累加,因为滑动窗口内的子数组都是满足条件的。
注意,我们为了统计所有满足条件的子数组个数,滑动窗口的left左移需要同时统计map里面元素的个数。
完整版
class Solution {
public:
int countCompleteSubarrays(vector<int>& nums) {
int n=nums.size();
unordered_map<int,int>count;
unordered_set<int>uniqueNums;
//先得到所有元素的种类数目
for(int num:nums){
uniqueNums.insert(num);//uset插入元素只能用insert
//count[num]++;count必须在窗口内部更新
}
int result=0;
int left=0;
for(int i=0;i<nums.size();i++){
count[nums[i]]++;//nums[i]累积数目
//元素种类相同,缩小左边界
while(count.size()==uniqueNums.size()){
result+=nums.size()-1-i+1;//包含所有的子数组情况
count[nums[left]]--;
if(count[nums[left]]==0){
count.erase(nums[left]);
}
left++;
}
//右边界i++包含在for循环里面了
}
return result;
}
};
针对二维数组的滑动窗口
- 注意:如果是二维数组,那么一般都是把区间作为滑动的单位,而不是把区间里面的数字作为滑动单位!
- 如果区间里的每一个数字都作为滑动单位,会导致超时
示例1:⭐⭐2271. 毯子覆盖的最多白色砖块数
给你一个二维整数数组 tiles ,其中 tiles[i] = [li, ri]
,表示所有在 li <= j <= ri
之间的每个瓷砖位置 j 都被涂成了白色。
同时给你一个整数 carpetLen
,表示可以放在 任何位置 的一块毯子的长度。
请你返回使用这块毯子,最多 可以盖住多少块瓷砖。
示例 1:
输入:tiles = [[1,5],[10,11],[12,18],[20,25],[30,32]], carpetLen = 10
输出:9
解释:将毯子从瓷砖 10 开始放置。
总共覆盖 9 块瓷砖,所以返回 9 。
注意可能有其他方案也可以覆盖 9 块瓷砖。
可以看出,瓷砖无法覆盖超过 9 块瓷砖。
示例 2:
输入:tiles = [[10,11],[1,1]], carpetLen = 2
输出:2
解释:将毯子从瓷砖 10 开始放置。
总共覆盖 2 块瓷砖,所以我们返回 2 。
提示:
1 <= tiles.length <= 5 * 10^4
tiles[i].length == 2
1 <= li <= ri <= 10^9
1 <= carpetLen <= 10^9
tiles 互相 不会重叠 。
思路
只看文本不太好理解,可以画图进行辅助:
滑动窗口是枚举右端点,然后按照规则滑动左端点。
窗口总长度sum=a+b+c,每次枚举一个右端点(也就是滑动一个二维数组的区间),sum都会加上tiles[1]-tiles[0]+1。
因为我们求的是覆盖的最长区间的长度,因此只要上个区间右端点在毛毯的范围内,上个区间就可以算进去,就不需要滑动左端点!
如果求的是最长区间长度,那么while循环条件写法是不满足条件才会滑动。
while(tile[r][1]-tile[l][1]>carpetlen){
sum-=tile[r][1]-tile[r][0]+1;//sum本来算的就是整块区间的瓷砖,所以当左区间不满足条件,应该直接剪掉区间,sum本身就是一个区间一个区间直接累加的!
l++;
}
//这里是更新的最大瓷砖数目,毛毯区间的最大瓷砖数 = sum(总瓷砖数)-x = sum-(tile[r][1]-tile[l][0]-carpetlen)
res = max(res,sum-max(0,tile[r][1]-tile[l][0]-carpetlen+1));
//注意,x有可能是负数,所以需要x和0取最大值
完整版
- 注意:sum是窗口里瓷砖长度的和!是不包括空白区域的!所以sum-x指的就是窗口内部有多少块瓷砖,同时x可能是负数,所以x要和0取最值!
- 从下面这个debug打印也可以看出,如果x没有和0取最值,最后得到的结果会偏大,因为减去负数了
class Solution {
public:
int maximumWhiteTiles(vector<vector<int>>& tiles, int carpetLen) {
//先把区间按照左端点排序,为了方便滑动窗口计数
sort(tiles.begin(), tiles.end(), [](const std::vector<int>& a, const std::vector<int>& b) {
return a[0] < b[0];
});
int ans = 0, sum = 0;
int l = 0, r=0;
//枚举右端点。按条件移动左端点
//右端点是t[r][1]
for (r=0; r < tiles.size(); ++r) {
sum += tiles[r][1] - tiles[r][0] + 1;
//这里区间左边界是[l][1],因为只要上个区间l右边界[1]在毛毯范围内,上个区间就可以算进去!
while (tiles[l][1] <= tiles[r][1] - carpetLen) {
sum -= tiles[l][1] - tiles[l][0] + 1;
++l;
}
ans = max(ans, sum - max(0, tiles[r][1] - carpetLen - tiles[l][0] + 1));
}
return ans;
}
};
示例2:⭐小红书2023秋招提前批–精华帖
P5801 - 【二分查找】小红书2023秋招提前批-精华帖子 - 欧弟算法 (algomooc.com)文章来源:https://www.toymoban.com/news/detail-530067.html
文章来源地址https://www.toymoban.com/news/detail-530067.html
完整版
- 本题基本上和上面地砖那道题一模一样了,截取长度就是毛巾长度,最多的精华帖子数量就是瓷砖数目。
- 标记的是帖子区间,所以帖子区间就是对应的上面一题白色瓷砖的区间。
#include <iostream>
#include <vector>
#include <algorithm>
using namespace std;
int main() {
int n, m, k;
cin >> n >> m >> k;
vector<pair<int, int>> e(m);
for (int i = 0; i < m; ++i) {
cin >> e[i].first >> e[i].second;
}
// Sorting
sort(e.begin(), e.end(), [](const pair<int, int>& x, const pair<int, int>& y) {
return x.first < y.first;
});
int ans = 0, sum = 0;
// Sliding window (enumerate the right endpoint, try to move the left endpoint)
for (int l = 0, r = 0; r < m; ++r) {
sum += e[r].second - e[r].first;
// Remove the excess
while (e[r].second - e[l].second > k) {
sum -= e[l].second - e[l].first;
l++;
}
// Check if the first interval is completely occupied
if (e[r].second - k > e[l].first) {
ans = max(ans, sum - (e[r].second - k - e[l].first));
} else {
ans = max(ans, sum);
}
}
cout << ans << endl;
return 0;
}
- 在C++中,对于像这样的按元素对排序,我们通常使用
pair
结构并结合vector
。 - 对于输入输出,我们使用
cin
和cout
。 - 使用
#include
指令引入必要的库。 - C++中的lambda函数和Java的类似,但语法稍有不同。
到了这里,关于算法专题整理:滑动窗口的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!