文章目录
- 前言
- 滑动窗口的基本思想
- 入门题目练习
- 子数组最大平均数
- 最长连续递增序列
- 总结
前言
提示:我宁愿做自己,做卑微的自己,也不愿做别人,无论那会多么快乐。 --《美丽新世界》
我们在数组和链表的部分就已经接触到了双指针的思想,这里我们继续扩展了解滑动窗口的思想。滑动窗口其实也是双指针的一种特殊场景,这种方式可以很好的解决一些特定场景的问题,就有了”滑动窗口思想“
滑动窗口的基本思想
在数组和链表的章节,都强调过移动元素的方法。有一些经典的例子,推荐回顾再看一下⭐⭐⭐:
算法通过村第三关-数组白银笔记|数组双指针_师晓峰的博客-CSDN博客
算法通关村第一关-链表白银挑战笔记|公共子节点_师晓峰的博客-CSDN博客
于是慢慢的方式更加完善,这就有了”双指针的思想“
在数组双指针里,我们介绍过”对撞型”、“快慢型“两种方式,而滑动窗口思想其实也就是快慢型的特例。我们在学习计算机网络的同学都直到欢动窗口协议(Sliding Window Protocol),该协议是TCP实现流量控制等核心策略之一。事实上与流量控制,熔断、限流、超时等场景下都会首先从滑动窗口的角度来思考问题,比如Hystrix,sentinel等框架都使用了这种思想。
滑动窗口的思想非常简单,如下图,假如窗口的大小是3,当不断有新数据来的时候,我们便维护一个大小为3的一个区间,超过3的就将新的加入,老的移走。
这个过程有点像火车在轨道上行驶,原始数据可能在一个很大的空间里(铁轨),但是我们标记的小区间就像是一列固定长度的过车,一直再向前走。
有了区间,造其题目来就很容易了,例如让你找序列上连续数字的最大和最小,或者平均数,等等问题把
从上面看,刚才的形容是不是非常形象,所谓的窗口就是建立两个索引,left和right,并保持{left,right}之间的长度不变,然后一遍遍历,一遍寻找目标,每次更改目标要求就可以。
当然上面的例子已经告诉我们什么是窗口,什么是滑动的窗口:
- 窗口:窗口其实就是两个变量left和right之间的元素,也可以理解为一个区间。窗口的大小可能是固定的,也可能是变换的,如果是固定大小的,那么自然要考虑是否越界,在执行处理逻辑。如果不是固定的,就要优先判断是否满足要求,再执行逻辑处理。
- 滑动:说明这个窗口是移动的,事实上移动的仍然是left和right两个变量,而不是序列中的元素。当变量移动的时候,其中间的元素必然也会发生变化,因此就有了不断滑动的效果。
在实际问题中,窗口大小不一定是固定的,我们可以思考以下两种场景:
- 固定窗口的滑动就是火车行驶这种大小不变的移动
- 可变的窗口就是两个老师带着一队学生外出,一个负责开路,一个负责断后,中间则是小朋友。两个老师直接的距离有可能大有可能小,但是整体窗口是不断滑动向前的
所以根据窗口大小是否固定,就衍生出两种类型的题目:
- 固定窗口:一般让你求那个窗口的元素最大,最小、平均值、和最大、和最小等等类型的问题。
- 窗口变化:则一般是让你求序列最大、最小窗口是什么等等。
滑动窗口题目本身没有很大难度,但是在实际的解答中还是比较难搞的,主要是以下原因:
- 容器:数组,让人头疼的边界问题,稍不注意,就全盘皆输。
- 元素处理:比较、判断等处理方式上不仅需要借助集合等工具,还要处理技巧,不熟悉的话拿不下来。
- 堆:堆的接口很适合做数据处理。在固定的区间找最大、最小等问题上有很大优势。一次常常滑动窗口会和堆一起使用完美的解决很多复杂问题。
最后的疑惑:双指针和滑动窗口有什么区别?
根据性质可以看出,滑动窗口就是双指针应用的特例,主要是关注两个指针间的元素情况,因此范围更小,双指针的应用范围更广,花样更多。
入门题目练习
滑动窗口的题目在于窗口的大小变或者不变,根据这两种类型,我们就先来练练手吧.
子数组最大平均数
参考题目介绍:643. 子数组最大平均数 I - 力扣(LeetCode)
这是经典的滑动窗口的例子,况且大小都规定了,我们只要先读取k个,然后让窗口向前移动就可以了,思路和上图一模一样.
直接展示代码:
/*** 子数组最大平均数 I* @param nums* @param k* @return*/public static double findMaxAverage(int[] nums, int k) {int len = nums.length;if ((k > len) || (len < 1) || (k < 1)) {return 0;}// 第一步确定窗口大小int windowSum = 0;for (int left = 0; left < k; left++) {windowSum += nums[left];}// 第二步 遍历维护窗口 保留窗口,处理元素int res = windowSum;for(int right = k; right < len; right++){windowSum += (nums[right] - nums[right - k]);res = Math.max(res,windowSum);}return (double) res / k;}
最长连续递增序列
参考题目介绍:674. 最长连续递增序列 - 力扣(LeetCode)
根据实例我们看图:
可以看到,最长的递增子序列为{1,3,5},所以返回3.在遍历的时候从第第一个元素开,先定义窗口区间[left,right),
表示递增序列,具体操作如下:
- 如果当前遍历到的元素比左边的那个元素要严格大,right就增加;
- 相反,left就跳到right的其实位置,重新计算.
这里看下代码怎么写:
/*** 674. 最长连续递增序列* @param nums* @return*/
public static int findLengthOfLCIS_1(int[] nums) {int len = nums.length;;int left = 0,right = 0;int res = 0;while(right < len){// 严格递增 right++// 相反 right 赋值给left (本质也是快慢指针问题if (right >0 && nums[right - 1] >= nums[right]){left = right;}right++;res = Math.max(res,right - left);}return res;
}
上面的代码中,序列在[left,right)下严格递增,区间的长度是right-left.
这里还有很多解法,另外一种简单的思路是一遍遍历,一边统计每个递增区间的长度.如果长度超过之前所有的区间,就保留,代码写起来也很容易:
/*** 674. 最长连续递增序列** @param nums* @return*/public static int findLengthOfLCIS_2(int[] nums) {int currentSum = 1;int res = 1;for (int i = 1; i < nums.length; i++) {if (nums[i - 1] >= nums[i]) {// 说明不满足条件,重新计数currentSum = 1;}else{currentSum++;}res = Math.max(res, currentSum);}return res;}
当然本题目你如果不知道滑动窗口,也可以做的,不要觉得它过于神秘,只是个名字而已,掌握方法,看透本质才是主要的.
总结
提示:滑动窗口;双指针;快慢指针变体;滑动窗库概念;滑动窗口核心理解
如果有帮助到你,请给题解点个赞和收藏,让更多的人看到 ~ ("▔□▔)/
如有不理解的地方,欢迎你在评论区给我留言,我都会逐一回复 ~
也欢迎你 关注我 ,喜欢交朋友,喜欢一起探讨问题。