【数据机构与算法】之深入解析“最小覆盖子串”的求解思路与算法示例

一、题目要求

• 给你一个字符串 s、一个字符串 t，返回 s 中涵盖 t 所有字符的最小子串。如果 s 中不存在涵盖 t 所有字符的子串，则返回空字符串 “”。
• 注意：
• • 对于 t 中重复字符，寻找的子字符串中该字符数量必须不少于 t 中该字符数量。
• • 如果 s 中存在这样的子串，保证它是唯一的答案。
• 示例 1：

输入：s = "ADOBECODEBANC", t = "ABC"
输出："BANC"

  

 

  
1
  
2
 

• 示例 2：

输入：s = "a", t = "a"
输出："a"

  

 

  
1
  
2
 

• 示例 3:

输入: s = "a", t = "aa"
输出: ""
解释: t 中两个字符 'a' 均应包含在 s 的子串中，
因此没有符合条件的子字符串，返回空字符串。

  

 

  
1
  
2
  
3
  
4
 

• 提示：
• • 1 <= s.length, t.length <= 10⁵；
• • s 和 t 由英文字母组成。

二、求解算法

① 滑动窗口

• 思路：
• • 用 i,j 表示滑动窗口的左边界和右边界，通过改变 i,j 来扩展和收缩滑动窗口，可以想象成一个窗口在字符串上游走；
• • 当这个窗口包含的元素满足条件，即包含字符串 T 的所有元素，记录下这个滑动窗口的长度 j-i+1，这些长度中的最小值就是要求的结果。
• 步骤：
• • 不断增加 j 使滑动窗口增大，直到窗口包含了 T 的所有元素；
• • 不断增加 i 使滑动窗口缩小，因为是要求最小字串，所以将不必要的元素排除在外，使长度减小，直到碰到一个必须包含的元素，这个时候不能再扔，再扔就不满足条件，记录此时滑动窗口的长度，并保存最小值；
• • 让 i 再增加一个位置，这个时候滑动窗口肯定不满足条件，那么继续从步骤一开始执行，寻找新的满足条件的滑动窗口，如此反复，直到j超出了字符串 S 范围。
• 如何判断滑动窗口包含了 T 的所有元素？
• • 用一个字典 need 来表示当前滑动窗口中需要的各元素的数量，一开始滑动窗口为空，用 T 中各元素来初始化这个 need，当滑动窗口扩展或者收缩的时候，去维护这个 need 字典，例如当滑动窗口包含某个元素，就让 need 中这个元素的数量减 1，代表所需元素减少了 1 个；当滑动窗口移除某个元素，就让 need 中这个元素的数量加 1。
• • 记住一点：need 始终记录着当前滑动窗口下，我们还需要的元素数量，在改变 i,j 时，需同步维护 need。
• • 值得注意的是，只要某个元素包含在滑动窗口中，就会在 need 中存储这个元素的数量，如果某个元素存储的是负数代表这个元素是多余的。比如当 need 等于{‘A’:-2,‘C’:1}时，表示当前滑动窗口中，有 2 个 A 是多余的，同时还需要 1 个 C。这么做的目的就是为了上面的第二个步骤中，排除不必要的元素，数量为负的就是不必要的元素，而数量为 0 表示刚刚好。
• • 回到问题中来，那么如何判断滑动窗口包含了 T 的所有元素？结论就是当 need 中所有元素的数量都小于等于 0 时，表示当前滑动窗口不再需要任何元素。
• 优化：
• • 如果每次判断滑动窗口是否包含了 T 的所有元素，都去遍历 need 看是否所有元素数量都小于等于 0，这个会耗费 O(k) 的时间复杂度，k 代表字典长度，最坏情况下，k 可能等于 len(S)；
• • 其实这个是可以避免的，可以维护一个额外的变量 needCnt 来记录所需元素的总数量，当碰到一个所需元素 c，不仅 need[c] 的数量减少 1，同时 needCnt 也要减少 1，这样通过 needCnt 就可以知道是否满足条件，而无需遍历字典了。
• • need 记录了遍历到的所有元素，而只有 need[c]>0 大于 0 时，代表 c 就是所需元素。
• 以 S=“DOABECODEBANC”，T=“ABC” 为例：
• • 初始状态：

• • 不断增加 j 使滑动窗口增大，直到窗口包含了 T 的所有元素，need 中所有元素的数量都小于等于 0，同时 needCnt 也是 0：

• • 不断增加 i 使滑动窗口缩小，直到碰到一个必须包含的元素 A，此时记录长度更新结果：

• • 让 i 再增加一个位置，开始寻找下一个满足条件的滑动窗口：

• Python 示例：

    def minWindow(self, s: str, t: str) -> str:
        need=collections.defaultdict(int)
        for c in t:
            need[c]+=1
        needCnt=len(t)
        i=0
        res=(0,float('inf'))
        for j,c in enumerate(s):
            if need[c]>0:
                needCnt-=1
            need[c]-=1
            if needCnt==0:       #步骤一：滑动窗口包含了所有T元素
                while True:      #步骤二：增加i，排除多余元素
                    c=s[i] 
                    if need[c]==0:
                        break
                    need[c]+=1
                    i+=1
                if j-i<res[1]-res[0]:   #记录结果
                    res=(i,j)
                need[s[i]]+=1  #步骤三：i增加一个位置，寻找新的满足条件滑动窗口
                needCnt+=1
                i+=1
        return '' if res[1]>len(s) else s[res[0]:res[1]+1]    #如果res始终没被更新过，代表无满足条件的结果

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
  
12
  
13
  
14
  
15
  
16
  
17
  
18
  
19
  
20
  
21
  
22
  
23
  
24
 

• Java 示例：

class Solution {
    public String minWindow(String s, String t) {
        if (s == null || s.length() == 0 || t == null || t.length() == 0){
            return "";
        }
        int[] need = new int[128];
        // 记录需要的字符的个数
        for (int i = 0; i < t.length(); i++) {
            need[t.charAt(i)]++;
        }
        // l是当前左边界，r是当前右边界，size记录窗口大小，count是需求的字符个数，start是最小覆盖串开始的index
        int l = 0, r = 0, size = Integer.MAX_VALUE, count = t.length(), start = 0;
        // 遍历所有字符
        while (r < s.length()) {
            char c = s.charAt(r);
            if (need[c] > 0) { // 需要字符c
                count--;
            }
            need[c]--; // 把右边的字符加入窗口
            if (count == 0) { // 窗口中已经包含所有字符
                while (l < r && need[s.charAt(l)] < 0) {
                    need[s.charAt(l)]++; // 释放右边移动出窗口的字符
                    l++; // 指针右移
                }
                if (r - l + 1 < size) { // 不能右移时候挑战最小窗口大小，更新最小窗口开始的start
                    size = r - l + 1;
                    start = l; // 记录下最小值时候的开始位置，最后返回覆盖串时候会用到
                }
                // l向右移动后窗口肯定不能满足了 重新开始循环
                need[s.charAt(l)]++;
                l++;
                count++;
            }
            r++;
        }
        return size == Integer.MAX_VALUE ? "" : s.substring(start, start + size);
    }
}

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
  
12
  
13
  
14
  
15
  
16
  
17
  
18
  
19
  
20
  
21
  
22
  
23
  
24
  
25
  
26
  
27
  
28
  
29
  
30
  
31
  
32
  
33
  
34
  
35
  
36
  
37
  
38
 

文章来源: blog.csdn.net，作者：Serendipity·y，版权归原作者所有，如需转载，请联系作者。

原文链接：blog.csdn.net/Forever_wj/article/details/122942702