前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >【JavaScript 算法】滑动窗口:处理子数组问题

【JavaScript 算法】滑动窗口:处理子数组问题

作者头像
空白诗
发布2024-07-20 12:46:41
620
发布2024-07-20 12:46:41
举报
文章被收录于专栏:【全栈开发之路】

滑动窗口(Sliding Window)是一种高效解决数组或字符串中子数组(子串)问题的算法技巧。它通过在数组上维护一个窗口(区间),动态地调整窗口的大小和位置,从而高效地解决问题。本文将详细介绍滑动窗口算法的原理、实现及其应用。


一、算法原理

滑动窗口算法通过在数组上维护一个窗口来解决子数组问题。窗口的大小和位置可以动态调整,以满足不同问题的需求。滑动窗口的基本思想是:

  1. 初始化窗口的起始位置和结束位置。
  2. 移动窗口的结束位置,扩展窗口的范围。
  3. 在窗口范围内进行计算,检查是否满足问题的条件。
  4. 如果条件不满足,移动窗口的起始位置,缩小窗口的范围。
  5. 重复步骤2-4,直到遍历完整个数组。
在这里插入图片描述
在这里插入图片描述

二、算法实现

示例问题1:最长无重复字符子串

给定一个字符串,找出其中不含有重复字符的最长子串的长度。

代码语言:javascript
复制
/**
 * 找出字符串中最长无重复字符子串的长度
 * @param {string} s - 输入字符串
 * @return {number} - 最长无重复字符子串的长度
 */
function lengthOfLongestSubstring(s) {
  const set = new Set();
  let left = 0;
  let right = 0;
  let maxLength = 0;

  while (right < s.length) {
    if (!set.has(s[right])) {
      set.add(s[right]);
      right++;
      maxLength = Math.max(maxLength, right - left);
    } else {
      set.delete(s[left]);
      left++;
    }
  }

  return maxLength;
}

// 示例
const s = "abcabcbb";
console.log(lengthOfLongestSubstring(s)); // 输出: 3
示例问题2:长度最小的子数组

给定一个含有正整数的数组和一个正整数 target,找出该数组中满足其和大于等于 target 的长度最小的子数组,并返回其长度。如果不存在符合条件的子数组,返回 0。

代码语言:javascript
复制
/**
 * 找出和大于等于 target 的长度最小的子数组的长度
 * @param {number} target - 目标和
 * @param {number[]} nums - 输入数组
 * @return {number} - 长度最小的子数组的长度
 */
function minSubArrayLen(target, nums) {
  let left = 0;
  let right = 0;
  let sum = 0;
  let minLength = Infinity;

  while (right < nums.length) {
    sum += nums[right];
    right++;

    while (sum >= target) {
      minLength = Math.min(minLength, right - left);
      sum -= nums[left];
      left++;
    }
  }

  return minLength === Infinity ? 0 : minLength;
}

// 示例
const target = 7;
const nums = [2, 3, 1, 2, 4, 3];
console.log(minSubArrayLen(target, nums)); // 输出: 2
注释说明:
  1. 最长无重复字符子串
    • set:用于存储窗口内的字符,避免重复。
    • leftright:分别表示窗口的起始位置和结束位置。
    • maxLength:用于记录最长无重复字符子串的长度。
    • while (right < s.length):遍历字符串。
    • if (!set.has(s[right])):如果字符不在集合中,加入集合并更新窗口大小和最长长度。
    • else:如果字符在集合中,删除起始位置的字符并移动起始位置。
  2. 长度最小的子数组
    • leftright:分别表示窗口的起始位置和结束位置。
    • sum:用于记录窗口内的子数组和。
    • minLength:用于记录满足条件的最小子数组长度。
    • while (right < nums.length):遍历数组。
    • while (sum >= target):如果子数组和大于等于目标值,更新最小长度,并缩小窗口范围。

三、应用场景

  1. 字符串处理:如查找最长无重复字符子串、包含所有字符的最小子串等。
  2. 数组处理:如查找和大于等于目标值的最小子数组、固定大小的最大或最小子数组和等。
  3. 数据流处理:滑动窗口算法可以用于实时处理数据流,计算动态窗口内的数据特征。

四、总结

滑动窗口算法是一种高效解决数组或字符串中子数组(子串)问题的算法技巧,通过动态调整窗口的大小和位置,可以在O(n)时间复杂度内解决许多实际问题。理解和掌握滑动窗口算法,可以有效解决字符串处理、数组处理和数据流处理等问题。

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2024-07-19,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 一、算法原理
  • 二、算法实现
    • 示例问题1:最长无重复字符子串
      • 示例问题2:长度最小的子数组
        • 注释说明:
        • 三、应用场景
        • 四、总结
        领券
        问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档