优选算法——滑动窗口4（找子串）

🔥近津薪荼： [个人主页] 🎬个人专栏： 《近津薪荼的算法日记》 《Linux操作系统及网络基础知识分享》 《c++基础知识详解》 《c语言基础知识详解》 ✨古之立大事者，不惟有超世之才，亦必有坚忍不拔之志。
------ 苏轼

---

1.上期参考代码

class Solution {
public:
    int longestOnes(vector<int>& nums, int k) {
         int left=0,right=0;
         int hash[2]={};
         int length=0;
         while(right<nums.size())
         {
            hash[nums[right]]++;
            while(hash[0]>k)
            {
                hash[nums[left++]]--;
            }
            length= max(right - left+1,length);
            right ++;
            
         }
         return length ;
    }
};

2.本期知识点导图

3.本期要讲解的题目是

找到字符串中所有字母异位词

要点；

• 找子串
• 异位词 ：相 *同字母排列组合*形成的字符串

怎么快速判断两个字符串是不是异位词？

创建两个哈希表

4.解题

4.1 暴力解法：

1. 以p的长度n为单位，暴力枚举 s中的 所有n元组。
2. 把n元组扔进哈希表中统计元素及其个数
3. 与另一哈希表（统计p ）比对
   O(N³) 必然超时

4.2优解

4.1 和之前的思路一样，通过同向双指针，把嵌套for的O(N²) 干成 O(N)

最终复杂度为O(N²)：比对哈希表的过程中还有一次遍历 还能优化

优化：

外层循环已经被优化了，我们现在来看内部遍历哈希表的过程能不能优化下，或者说我们换一种方式来维护窗口信息

现在我来尝试用例子来模拟hash统计子串数据：

我们在用hash统计子串数据的过程中，我们发现

我们统计的s中的数据可以分成两类：有效数据和无效数据

并且我们发现，当有效数据的个数和hash1中的数据个数相同，且L=n的时候。此时的子串完全符合要求。

因此，我们要做的事就从遍历对比两个哈希表数据 变成了统计有效数据的个数

因此，我们要创建一个count变量来统计有效数据的个数，并在窗口中不断维护它。

代码逻辑

1. 先用hash1统计p的元素。

2. 滑动窗口：

- 进窗口：right元素进hash2

- 判断：L>n

- 出窗口 ：判断出的元素是否是有效元素，维护count

- 更新信息 ：L=n，count=p.size( );返回left

5.下期要讲解的题目是：

DP34前缀和

下期见。