3.|3. 无重复字符的最长子串 3.无重复字符的最长子串

题目
文章图片
无重复字符的最长子串解题方案思路 1: 暴力解法, 双重循环遍历
简单粗暴些, 找一个最长子串, 那么我们用两个循环 ** 穷举所有子串 **, 然后再用一个函数判断该子串中有没有重复的字符。

public int lengthOfLongestSubstring(String s) { int n = s.length(); int ans = 0; // 保存当前得到满足条件的子串的最大值 for (int i = 0; i < n; i++) for (int j = i + 1; j <= n; j++) // 之所以 j<= n, 是因为我们子串是 [i, j), 左闭右开 if (allUnique(s, i, j)) ans = Math.max(ans, j - i); // 更新 ans return ans; }public boolean allUnique(String s, int start, int end) { Set set = new HashSet<>(); // 初始化 hash set for (int i = start; i < end; i++) { // 遍历每个字符 Character ch = s.charAt(i); if (set.contains(ch)) return false; // 判断字符在不在 set 中 set.add(ch); // 不在的话将该字符添加到 set 里边 } return true; }

时间复杂度：两个循环, 加上判断子串满足不满足条件的函数中的循环, 。
空间复杂度：使用了一个 set, 判断子串中有没有重复的字符。由于 set 中没有重复的字符, 所以最长就是整个字符集, 假设字符集的大小为 m, 那么 set 最长就是 m 。另一方面, 如果字符串的长度小于 m, 是 n 。那么 set 最长也就是 n 了。综上, 空间复杂度为。
思路二：滑动窗口
遗憾的是上边的算法没有通过 leetCode, 时间复杂度太大, 造成了超时。我们怎么来优化一下呢？
上边的算法中, 我们假设当 i 取 0 的时候,
j 取 1, 判断字符串 str [0, 1) 中有没有重复的字符。
j 取 2, 判断字符串 str [0, 2) 中有没有重复的字符。
j 取 3, 判断字符串 str [0, 3) 中有没有重复的字符。
j 取 4, 判断字符串 str [0, 4) 中有没有重复的字符。
做了很多重复的工作, 因为如果 str [0, 3) 中没有重复的字符, 我们不需要再判断整个字符串 str [0, 4) 中有没有重复的字符, 而只需要判断 str [3] 在不在 str [0, 3) 中, 不在的话, 就表明 str [0, 4) 中没有重复的字符。
如果在的话, 那么 str [0, 5), str [0, 6), str [0, 7) 一定有重复的字符, 所以此时后边的 j 也不需要继续增加了。i++ 进入下次的循环就可以了。
此外, 我们的 j 也不需要取 i + 1, 而只需要从当前的 j 开始就可以了。
综上, 其实整个关于 j 的循环我们完全可以去掉了, 此时可以理解变成了一个「滑动窗口」。

文章图片
整体就是橘色窗口在依次向右移动判断一个字符在不在字符串中, 我们需要可以遍历整个字符串, 遍历需要的时间复杂度就是 , 加上最外层的 i 的循环, 总体复杂度就是。我们可以继续优化, 判断字符在不在一个字符串, 我们可以将已有的字符串存到 Hash 里, 这样的时间复杂度是 , 总的时间复杂度就变成了。

public class Solution { public int lengthOfLongestSubstring(String s) { int n = s.length(); Set set = new HashSet<>(); int ans = 0, i = 0, j = 0; while (i < n && j < n) { if (!set.contains(s.charAt(j))) { set.add(s.charAt(j++)); ans = Math.max(ans, j - i); } else { set.remove(s.charAt(i++)); } } return ans; } }

时间复杂度：在最坏的情况下, while 循环中的语句会执行 2n 次, 例如 abcdefgg, 开始的时候 j 一直后移直到到达第二个 g 的时候固定不变, 然后 i 开始一直后移直到 n, 所以总共执行了 2n 次, 时间复杂度为。
空间复杂度：和上边的类似, 需要一个 Hash 保存子串, 所以是。
思路三：跳跃窗口
继续优化, 我们看上边的算法的一种情况。

文章图片
特殊情况当 j 指向的 c 存在于前边的子串 abcd 中, 此时 i 向前移到 b, 此时子串中仍然含有 c, 还得继续移动, 所以这里其实可以优化。我们可以一步到位, 直接移动到子串 c 的位置的下一位！

文章图片
直接跳到重复字符的下一位实现这样的话, 我们将 set 改为 map, 将字符存为 key, 将对应的下标存到 value 里就实现了。

public class Solution { public int lengthOfLongestSubstring(String s) { int n = s.length(), ans = 0; Map map = new HashMap<>(); for (int j = 0, i = 0; j < n; j++) { if (map.containsKey(s.charAt(j))) { i = Math.max(map.get(s.charAt(j)), i); } ans = Math.max(ans, j - i + 1); map.put(s.charAt(j), j + 1); // 下标 + 1 代表 i 要移动的下个位置 } return ans; } }

与解法二相比
由于采取了 i 跳跃的形式, 所以 map 之前存的字符没有进行 remove, 所以 if 语句中进行了 Math.max(map.get(s.charAt(j)), i), 要确认得到的下标不是 i 前边的。
还有个不同之处是 j 每次循环都进行了自加 1, 因为 i 的跳跃已经保证了 str [i, j] 内没有重复的字符串, 所以 j 直接可以加 1 。而解法二中, 要保持 j 的位置不变, 因为不知道和 j 重复的字符在哪个位置。
最后个不同之处是, ans 在每次循环中都进行更新, 因为 ans 更新前 i 都进行了更新, 已经保证了当前的子串符合条件, 所以可以更新 ans 。而解法二中, 只有当当前的子串不包含当前的字符时, 才进行更新。
时间复杂度：我们将 2n 优化到了 n, 但最终还是和之前一样, 。
空间复杂度：也是一样的, 。
思路四：使用数组
和解法三思路一样, 区别的地方在于, 我们不用 Hash, 而是直接用数组, 字符的 ASCII 码值作为数组的下标, 数组存储该字符所在字符串的位置。适用于字符集比较小的情况, 因为我们会直接开辟和字符集等大的数组。

public class Solution { public int lengthOfLongestSubstring(String s) { int n = s.length(), ans = 0; int[] index = new int[128]; for (int j = 0, i = 0; j < n; j++) { i = Math.max(index[s.charAt(j)], i); ans = Math.max(ans, j - i + 1); index[s.charAt(j)] = j + 1; // (下标 + 1) 代表 i 要移动的下个位置 } return ans; } }

和解法 3 不同的地方在于, 没有了 if 的判断, 因为如果 index [s.charAt(j)] 不存在的话, 它的值会是 0, 对最终结果不会影响。
时间复杂度：。
空间复杂度：, m 代表字符集的大小。这次不论原字符串多小, 都会利用这么大的空间。
总结 【3.|3. 无重复字符的最长子串】综上, 我们一步一步的寻求可优化的地方, 对算法进行了优化。又加深了 Hash 的应用, 以及利用数组巧妙的实现了 Hash 的作用。