第 16 关 | 经典刷题思想之滑动窗口:1. 青铜挑战——滑动窗口其是很简单

我们在数组和链表部分研究过双指针思想,这里我们继续学习滑动窗口思想。 滑动窗口其实是双指针思想的一种特殊场景,由于这种方式能够很好的解决一些特定场景的问题,因此就有了“滑动窗口思想”。

关卡名 认识滑动窗口 我会了✔️
内容 1. 复习一维数组,理解双指针的作用和工作原理 ✔️
2. 理解滑动窗口的原理和适用场景 ✔️
3. 掌握窗口变与不变的两种情况是如何用来解题的 ✔️
  1. 滑动窗口的基本实现

    在数组章节我们说过很多算法会大量移动数组中的元素,频繁移动元素会导致执行效率低下或者超时。使用两个变量能比较好的解决很多相关问题,在《一维数组》和《链表》章节我们介绍了很多典型例子,于是这种方式就慢慢演化成了“双指针思想”。 在数组双指针里,我们介绍过“对撞型”和“快慢型”两种方式,而滑动窗口思想其实就是快慢型的特例。学过计算机网络的同学都知道滑动窗口协议(Sliding Window Protocol),该协议是TCP实现流量控制等的核心策略之一。事实上在与流量控制、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,例如hystrix、sentinel等框架都使用了这种思想。 滑动窗口的思想非常简单,如下图所示,假如窗口的大小是3,当不断有新数据来时,我们会维护一个大小为3的一个区间,超过3的就将新的放入老的移走。 这个过程有点像火车在铁轨上跑,原始数据可能保存在一个很大的空间里(铁轨),但是我们标记的小区间就像一列长度固定的火车,一直向前走。 有了区间,那我们就可以造题了,例如让你找序列上三个连续数字的最大和是多少,或者子数组平均数是多少(LeetCode643)等等。

    从上面的图可以看到,所谓窗口就是建立两个索引,left和right,并且保持{left,right}之间一共有3个元素,然后一边遍历序列,一边寻找,每改变一次就标记一下当前区间的最大值就行了。 这个例子已经告诉我们了什么是窗口、什么是窗口的滑动: ●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。窗口大小可能固定,也可能变化,如果是固定大小的,那么自然要先确定窗口是否越界,再执行逻辑处理。如果不是固定的,就要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,其中间的元素必然会发生变化,因此就有了这种不断滑动的效果。 在实际问题中,窗口大小不一定是固定的,我们可以思考两种场景: 1固定窗口的滑动就是火车行驶这种大小不变的移动 。 2可变的窗口就像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。两位老师之间的距离可能有时大有时小,但是整体窗口是不断滑动的。 根据窗口大小是否固定,可以造出两种类型的题:

  • 如果是固定的,则一般会让你求哪个窗口的元素最大、最小、平均值、和最大、和最小等等类型的问题。
  • 如果窗口是变的,则一般会让你求一个序列里最大、最小窗口是什么等等。
  • 滑动窗口题目本身没有太高的思维含量,但是实际在解题的时候仍然会感觉比较吃力,主要原因有以下几点:

  • 解题最终要落实到数组上,特别是边界处理上,这是容易晕的地方,稍有疏忽就难以得到准确的结果。
  • 有些元素的比较、判断等比较麻烦,不仅要借助集合等工具,而且处理过程中还有一些技巧,如果不熟悉会导致解题难度非常大。
  • 堆!我们在前面介绍过,堆结构非常适合在流数据中找固定区间内的最大、最小等问题。因此滑动窗口经常和堆一起使用可以完美解决很多复杂的问题。
  • 最后一个问题,那双指针和滑动窗口啥区别呢?根据性质我们可以看到,滑动窗口是双指针的一种类型,主要关注两个指针之间元素的情况,因此范围更小一些,而双指针的应用范围更大,花样也更多。

    1. 两个入门题

      滑动窗口在不同的题目里,根据窗口大小变或者不变,有两种类型。 这里我们就看两个基本的题目。

      2.1. 子数组最大平均数

      LeetCode 674.最长连续递增序列 给定 n 个整数,找出平均数最大且长度为 k 的连续子数组,并输出该最大平均数。

      其中 1= nums[right]){ left = right; } right++; res = Math.max(res,right - left); } return res; } }

    2. 通关文牒

      本文的重点就是理解滑动窗口的原理,将上面的内容理解清楚。