算法—滑动窗口
滑动窗口
算法简介
滑动窗口,顾名思义,就是有一个大小可变的窗口,左右两端方向一致的向前滑动(右端固定,左端滑动;左端固定,右端滑动)。
可以想象成队列,一端在push元素,另一端在pop元素,如下所示:
假设有数组[a b c d e f g h]
一个大小为3的滑动窗口在其上滑动,则有:
[a b c]
[b c d]
[c d e]
[d e f]
[e f g]
[f g h]
适用范围
1、一般是字符串或者列表
2、一般是要求最值(最大长度,最短长度等等)或者子序列
算法思想
1、在序列中使用双指针中的左右指针技巧,初始化 left = right = 0,把索引闭区间 [left, right] 称为一个窗口。
2、先不断地增加 right 指针扩大窗口 [left, right],直到窗口中的序列符合要求。
3、此时,停止增加 right,转而不断增加 left 指针缩小窗口 [left, right],直到窗口中的序列不再符合要求。同时,每次增加 left前,都要更新一轮结果。
4、重复第 2 和第 3 步,直到 right 到达序列的尽头。
思路其实很简单:第 2 步相当于在寻找一个可行解,然后第 3 步在优化这个可行解,最终找到最优解。左右指针轮流前进,窗口大小增增减减,窗口不断向右滑动。
算法模板
1、单层循环
def template():
# 初始化滑动窗口两端
left = right = 0
# 序列及序列长度
seq, seq_len = xx, xx
# 滑动窗口序列
slide_win = []
# 结果值
rst = xx
while right < seq_len:
slide_win.append(seq[right])
# 还没找到一个可行解
if not avaliable(slide_win):
# 扩大窗口
right += 1
else:
# 找到一个可行解,更新结果值
rst = update()
# 缩小窗口
left += 1
2、双层循环
def template():
# 初始化滑动窗口两端
left = right = 0
# 序列及序列长度
seq, seq_len = xx, xx
# 滑动窗口序列
slide_win = []
# 结果值
rst = xx
while right < seq_len:
slide_win.append(seq[right])
# 还没找到一个可行解
if not avaliable(slide_win):
# 扩大窗口
right += 1
continue
# 循环更新可行解
while avaliable(slide_win):
# 找到一个可行解,更新结果值
rst = update()
# 缩小窗口
left += 1
模板只是一个解题思路,具体的题目可能需要具体分析,但是大体框架是不变的。
- 点赞
- 收藏
- 关注作者
评论(0)