欢迎来到尧图网

客户服务 关于我们

您的位置:首页 > 财经 > 金融 > 滑动窗口:解决最小覆盖子串问题

滑动窗口:解决最小覆盖子串问题

2025/9/19 5:49:37 来源:https://blog.csdn.net/2301_80720675/article/details/145766159  浏览:    关键词:滑动窗口:解决最小覆盖子串问题

在字符串处理问题中,有一类经典问题是寻找满足特定条件的最小子串。今天我们来讨论一个典型的问题:最小覆盖子串。这个问题不仅考察了我们对字符串的处理能力,还涉及滑动窗口这一重要的算法思想。


问题描述

给定两个字符串 s 和 t,要求找到 s 中包含 t 所有字符的最短子串。如果 s 中不存在这样的子串,返回空字符串 ""

示例

  • 示例 1

    • 输入:s = "ADOBECODEBANC"t = "ABC"

    • 输出:"BANC"

    • 解释:"BANC" 是 s 中包含 t 所有字符的最短子串。

  • 示例 2

    • 输入:s = "a"t = "a"

    • 输出:"a"

    • 解释:整个字符串 s 就是最短子串。

  • 示例 3

    • 输入:s = "a"t = "aa"

    • 输出:""

    • 解释:t 中有两个 'a',但 s 中只有一个 'a',无法满足条件。


解题思路

1. 滑动窗口

滑动窗口是一种经典的算法思想,特别适合处理子串或子数组问题。它的核心思想是通过维护一个窗口(通常用两个指针表示),在满足条件的情况下不断调整窗口的大小,从而找到最优解。

2. 具体步骤

  1. 统计字符频率

    • 使用一个哈希表(或数组)统计 t 中每个字符的出现次数。

    • 例如,t = "ABC",则哈希表为 {A:1, B:1, C:1}

  2. 滑动窗口

    • 使用两个指针 left 和 right 表示窗口的左右边界。

    • 右指针 right 向右移动,扩展窗口,直到窗口包含 t 的所有字符。

    • 左指针 left 向右移动,收缩窗口,尝试找到更小的满足条件的子串。

  3. 记录结果

    • 在滑动窗口的过程中,记录满足条件的最短子串的起始位置和长度。


代码实现

以下是基于滑动窗口的 Java 实现:

import java.util.HashMap;
import java.util.Map;class Solution {public String minWindow(String s, String t) {// 统计 t 中字符的频率Map<Character, Integer> targetMap = new HashMap<>();for (char c : t.toCharArray()) {targetMap.put(c, targetMap.getOrDefault(c, 0) + 1);}// 滑动窗口的字符频率Map<Character, Integer> windowMap = new HashMap<>();int left = 0; // 窗口左边界int minLen = Integer.MAX_VALUE; // 最小子串长度int start = 0; // 最小子串的起始位置int count = 0; // 记录窗口中满足 t 字符条件的字符数量for (int right = 0; right < s.length(); right++) {char currentChar = s.charAt(right);// 更新窗口字符频率windowMap.put(currentChar, windowMap.getOrDefault(currentChar, 0) + 1);// 如果当前字符是 t 中的字符,并且窗口中的数量达到了 t 中的要求,则 count++if (targetMap.containsKey(currentChar) && windowMap.get(currentChar).equals(targetMap.get(currentChar))) {count++;}// 当窗口满足 t 的所有字符条件时,尝试收缩窗口while (count == targetMap.size()) {// 更新最小子串if (right - left + 1 < minLen) {minLen = right - left + 1;start = left;}// 移动左边界,收缩窗口char leftChar = s.charAt(left);windowMap.put(leftChar, windowMap.get(leftChar) - 1);// 如果左边界字符是 t 中的字符,并且窗口中的数量不再满足 t 的要求,则 count--if (targetMap.containsKey(leftChar) && windowMap.get(leftChar) < targetMap.get(leftChar)) {count--;}left++;}}// 返回最小子串return minLen == Integer.MAX_VALUE ? "" : s.substring(start, start + minLen);}
}

代码解析

  1. 统计字符频率

    • 使用 targetMap 统计 t 中每个字符的出现次数。

  2. 滑动窗口

    • 使用 windowMap 记录当前窗口中每个字符的出现次数。

    • 右指针 right 向右移动,扩展窗口。

    • 当窗口满足 t 的所有字符条件时,尝试收缩窗口(移动左指针 left)。

  3. 更新最小子串

    • 在窗口满足条件时,记录当前窗口的长度和起始位置。

    • 如果找到更小的窗口,则更新最小子串。

  4. 返回结果

    • 如果找到满足条件的最小子串,则返回该子串;否则返回空字符串。


复杂度分析

  • 时间复杂度O(m + n),其中 m 是 s 的长度,n 是 t 的长度。滑动窗口的左右指针最多各遍历一次 s

  • 空间复杂度O(m + n),用于存储 targetMap 和 windowMap


总结

最小覆盖子串问题是一个经典的滑动窗口问题。通过维护一个窗口,我们可以高效地找到满足条件的最小子串。滑动窗口的思想不仅适用于字符串问题,还可以用于数组、链表等其他数据结构的问题。希望这篇博客能帮助你更好地理解滑动窗口算法,并掌握解决类似问题的技巧!

如果你有任何问题或建议,欢迎在评论区留言!

版权声明:

本网仅为发布的内容提供存储空间,不对发表、转载的内容提供任何形式的保证。凡本网注明“来源:XXX网络”的作品,均转载自其它媒体,著作权归作者所有,商业转载请联系作者获得授权,非商业转载请注明出处。

我们尊重并感谢每一位作者,均已注明文章来源和作者。如因作品内容、版权或其它问题,请及时与我们联系,联系邮箱:809451989@qq.com,投稿邮箱:809451989@qq.com

热搜词