两个指针和滑动窗口模式
小伙伴们有没有觉得学习文章很有意思?有意思就对了!今天就给大家带来《两个指针和滑动窗口模式》,以下内容将会涉及到,若是在学习中对其中部分知识点有疑问,或许看了本文就能帮到你!

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
- 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 <=k (时间复杂度为 $o(n^2)$。
- 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
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<=k ----x 的子数组
- 查找子数组 sum<=k-1----y 那么结果将是 x-y = 答案
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<=k
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
//tc : o(n^2)
int maxlen=0;
for(int i =0;i 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 k){
sum = sum-arr[left];
left++;
}
if(sum <=k){
maxlen = integer.max(maxlen, right-left+1); //if asked to print max subarray length,we print maxlen else asked for printing the subarray keep track of
// left and right in a different variable
}
right++;
}
最佳方法:
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。
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(<=k),但长度可能小于当前的 maxlen 那么我们不会更新 maxlen,直到我们找到另一个满足条件且具有 len > maxlen 的子数组,则仅更新 maxlen。
当子数组不满足条件 (<=k)int left = 0 时,最佳方法是仅在子数组长度大于 maxlen 时收缩左侧。
int right =0;
int sum = 0;
int maxLen = 0;
while(right k){// this will ensure that the left is incremented one by one (not till the sum<=k because this might reduce the length i.e right-left+1 which will not be taken into consideration)
sum = sum-arr[left];
left++;
}
if(sum <=k){
maxLen = Integer.max(maxLen, right-left+1); //if asked to print max subarray length,we print maxLen else asked for printing the subarray keep track of
// left and right in a different variable
}
right++;
}
}
}
今天关于《两个指针和滑动窗口模式》的内容介绍就到此结束,如果有什么疑问或者建议,可以在golang学习网公众号下多多回复交流;文中若有不正之处,也希望回复留言以告知!
PHP 中防止递归函数堆栈溢出:内存优化
- 上一篇
- PHP 中防止递归函数堆栈溢出:内存优化
- 下一篇
- Golang 类型安全在高并发系统中的意义
-
- 文章 · java教程 | 16小时前 | 字符串处理 · java 分隔符 token 字符串解析 StringTokenizer returnDelims
- Java StringTokenizer 怎样把分隔符也作为 token 返回
- 318浏览 收藏
-
- 文章 · java教程 | 16小时前 |
- Java 26 API 文档怎样按模块查找类
- 427浏览 收藏
-
- 文章 · java教程 | 16小时前 |
- Java StringJoiner merge 为什么不保留对方前后缀
- 391浏览 收藏
-
- 文章 · java教程 | 17小时前 |
- Java NIO FileChannel 怎样安全写入固定偏移
- 346浏览 收藏
-
- 文章 · java教程 | 17小时前 | Java · 并发编程 · CompletableFuture · java completablefuture obtrudeException 异步异常恢复
- Java CompletableFuture obtrudeException 强制改写结果的处理边界
- 161浏览 收藏
-
- 文章 · java教程 | 17小时前 | 依赖注入 · 单元测试 · java clock java.time 时间测试 InstantSource
- Java InstantSource 怎样为测试提供可替换的当前时间
- 258浏览 收藏
-
- 文章 · java教程 | 17小时前 | nio · Java教程 · 文件系统 · java 文件属性 nio Files.readAttributes BasicFileAttributes NOFOLLOW_LINKS
- Java Files.readAttributes 怎样一次读取文件的基本属性
- 243浏览 收藏
-
- 文章 · java教程 | 17小时前 |
- Java Stream 怎样避免并行流共享可变状态
- 268浏览 收藏
-
- 文章 · java教程 | 17小时前 | java 线程中断 结构化并发 close StructuredTaskScope
- Java StructuredTaskScope close 的线程归属与资源回收边界
- 220浏览 收藏
-
- 文章 · java教程 | 17小时前 |
- Java Map.copyOf 为什么不接受 null 键和值
- 104浏览 收藏
-
- 文章 · java教程 | 1天前 |
- Maven toolchains 怎样固定构建 JDK
- 458浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 940次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 946次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 1060次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 1036次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 862次使用
-
- Java 时间格式兼容多个输入格式的方法
- 2026-10-18 501浏览
-
- Java try-with-resources 多个资源关闭顺序是什么
- 2026-09-10 501浏览
-
- 矩阵主副对角线快速定位技巧
- 2026-05-31 501浏览
-
- Java多态优化流程代码与行为分发改进
- 2026-05-26 501浏览
-
- JVM 类元数据双亲委派链表深度解析
- 2026-05-21 501浏览

