前端必刷算法之最小覆盖子串：52. Minimum Window Substring

前端

2023-10-02 01:02:02

引言

在前端开发中，算法技能至关重要，尤其是对于那些需要处理复杂数据结构和高效解决问题的人来说。作为前端面试中的必考题，52. Minimum Window Substring 考察了算法基础和对数据结构的熟练程度。

哈希表与滑动窗口算法

哈希表是一种数据结构，用于快速查找和检索数据。滑动窗口算法是一种遍历数据的技术，通过一个窗口在数据上滑动，逐个处理数据元素。在本文中，我们将结合这两种技术来解决最小覆盖子串问题。

算法步骤

初始化哈希表： 创建两个哈希表，分别记录目标字符串 t 和给定字符串 s 中每个字符的出现次数。
滑动窗口移动： 使用滑动窗口遍历 s 字符串，同时更新哈希表中字符的出现次数。
验证覆盖情况： 当窗口中的字符覆盖了 t 中的所有字符时，检查窗口大小是否是最小的。如果是，更新最小覆盖子串。
滑动窗口收缩： 如果窗口中的字符覆盖了 t 中的所有字符，则尝试缩小窗口，同时保持覆盖条件。
重复步骤 2-4： 继续滑动窗口并收缩，直到达到 s 字符串的末尾。

代码示例

function minWindow(s, t) {
  if (s.length < t.length) return "";

  const sHash = {}, tHash = {};
  for (const char of t) tHash[char] = (tHash[char] || 0) + 1;

  let minWindow = "", left = 0, right = 0, count = 0;
  while (right < s.length) {
    const char = s[right];
    sHash[char] = (sHash[char] || 0) + 1;
    if (sHash[char] <= tHash[char]) count++;
    right++;

    while (count === t.length) {
      const newWindow = s.substring(left, right);
      if (!minWindow || newWindow.length < minWindow.length) minWindow = newWindow;
      const leftChar = s[left];
      sHash[leftChar]--;
      if (sHash[leftChar] < tHash[leftChar]) count--;
      left++;
    }
  }

  return minWindow;
}