专业划水，让 LeetCode 双周赛 107 难不住你

LeetCode 双周赛 107：滑动窗口、离散化等热门算法大盘点

LeetCode 双周赛 107 已圆满落下帷幕，这场盛会汇聚了众多算法高手，为我们呈现了一场场精彩的较量。本届双周赛以滑动窗口和离散化等热门算法为主题，吸引了无数编程爱好者跃跃欲试。

滑动窗口算法：巧解子串难题

T1. 滑动窗口与最大配对数

题目要求计算字符串中满足特定条件的子串数量，即子串中每个字母都至少出现一次。我们可以借助滑动窗口算法轻松解决此题。

def max_subarray_with_distinct_letters(s):
    window_start, window_end = 0, 0
    char_count = {}  # 记录窗口内字符出现次数

    max_length = 0
    for window_end in range(len(s)):
        right_char = s[window_end]
        char_count[right_char] = char_count.get(right_char, 0) + 1

        # 缩小窗口，直至满足条件
        while len(char_count) < window_end - window_start + 1:
            left_char = s[window_start]
            char_count[left_char] -= 1
            if char_count[left_char] == 0:
                del char_count[left_char]
            window_start += 1

        max_length = max(max_length, window_end - window_start + 1)

    return max_length

T2. 滑动窗口与最长新字符串

题目要求构造一个最长的字符串，该字符串由原字符串中的某些字符组成，且每个字母都至少出现一次。同样，我们也可以使用滑动窗口算法来解决此题。

def longest_substring_with_distinct_letters(s):
    window_start, window_end = 0, 0
    char_count = {}  # 记录窗口内字符出现次数

    max_length = 0
    for window_end in range(len(s)):
        right_char = s[window_end]
        char_count[right_char] = char_count.get(right_char, 0) + 1

        # 缩小窗口，直至满足条件
        while char_count[right_char] > 1:
            left_char = s[window_start]
            char_count[left_char] -= 1
            window_start += 1

        max_length = max(max_length, window_end - window_start + 1)

    return max_length

离散化算法：简化数组运算

T3. 离散化与最大元素和

题目要求计算数组中所有元素的和的离散化值。离散化是一种将一组数据映射到一个较小范围的数据集中的方法，从而简化运算。

def discrete_array_sum(nums):
    # 排序数组
    sorted_nums = sorted(nums)

    # 创建新数组，记录离散化后的元素
    discrete_nums = []

    # 遍历排序后的数组
    for num in sorted_nums:
        # 若新数组中不存在该元素，则添加
        if num not in discrete_nums:
            discrete_nums.append(num)

    # 计算离散化后元素和
    discrete_sum = sum(discrete_nums)

    return discrete_sum

划水指南：双周赛轻松上分

如果你想在 LeetCode 双周赛中轻松上分，不妨参考以下划水指南：

1. 熟悉热门算法： 重点掌握滑动窗口、离散化等常用算法。
2. 合理分配时间： 不要在一题上耗费过多时间，影响整体发挥。
3. 善用提示： 比赛中会提供提示和帮助，善于利用它们理解题意。
4. 保持心态： 遇到难题时不要灰心，保持良好心态继续尝试。

结语

LeetCode 双周赛 107 圆满落幕，为算法爱好者们提供了一次展示实力的舞台。滑动窗口、离散化等算法在比赛中大放异彩，展现了它们在解决复杂问题中的强大威力。希望这篇博客能帮助大家加深对这些算法的理解，在未来的算法征途上不断前行。

常见问题解答

1. 滑动窗口算法有什么优点？
   • 可高效计算子串、子数组等特定范围内的信息。
2. 离散化算法如何简化计算？
   • 通过映射操作，将数据范围缩小，简化后续的运算。
3. 在 LeetCode 双周赛中如何提高成绩？
   • 掌握算法技巧，熟悉题型，保持良好心态。
4. 滑动窗口算法的时间复杂度是多少？
   • 与窗口大小和数据量相关，通常为 O(n)。
5. 离散化算法是否能处理负数？
   • 是的，但需要对负数进行预处理，将其映射到正数范围。