两个指针和滑动窗口模式

双指针和滑动窗口模式

模式 1：常量窗口（如 window = 4 或某个整数值）

例如，给定一个 (-ve 和 +ve) 整数数组，找到大小为 k.

的连续窗口的最大总和

模式 2：（可变窗口大小）具有 的最大子数组/子字符串示例：sum

• 方法：
  • 蛮力： 生成所有可能的子数组并选择最大长度的子数组 sum
• 最佳/最佳： 利用两个指针和滑动窗口将时间复杂度降低到o(n)

模式 3：没有子数组/子字符串，其中 就像 sum=k。
这个问题很难解决，因为何时扩展（右++）或何时收缩（左++）变得很困难。

这个问题可以用模式2
解决 用于解决诸如查找 sum =k 的子串数量之类的问题。

• 这可以分解为

  • 查找 sum 的子数组
  • 查找子数组 sum

模式 4：找到最短/最小窗口

模式 2 的不同方法：
示例：最大子数组 sum

public class sample{
    public static void main(string args[]){
        n = 10;
        int arr[] = new int[n];

        //brute force approach for finding the longest subarray with sum  k) break; /// optimization if the sum is greater than the k, what is the point in going forward? 
            }
        }

使用两个指针和滑动窗口的更好方法

        //o(n+n) in the worst case r will move from 0 to n and in the worst case left will move from 0 0 n as well so 2n
        int left = 0;
        int right =0;
        int sum = 0;
        int maxlen = 0;
        while(right<arr.length sum while> k){
                sum = sum-arr[left];
                left++;
            }
            if(sum 



<p><strong>最佳方法</strong>：<br>
我们知道，如果找到子数组，我们将其长度存储在 maxlen 中，但是在添加 arr[right] 时，如果总和大于 k，那么当前我们通过执行 sum = sum-arr[left] 和 left++ 来向左收缩。 <br>
我们知道当前的最大长度是 maxlen，如果我们继续缩小左索引，我们可能会得到另一个满足条件的子数组（ maxlen 的子数组，则仅更新 maxlen。</p>

<p>当子数组不满足条件 (
</p>

        int right =0;
        int sum = 0;
        int maxLen = 0;
        while(right<arr.length sum if> k){// this will ensure that the left is incremented one by one (not till the sum




          

            
  

            
        </arr.length>

以上就是两个指针和滑动窗口模式的详细内容，更多请关注其它相关文章！