算法和数据结构面试题（JavaScript+Python）——滑动窗口

2023-12-19 10:57:49

滑动窗口算法：一种高效查找数组子序列的技巧

什么是滑动窗口算法？

滑动窗口算法是一种高效的编程技术，用于在数组或列表中查找连续子序列，这些子序列满足某些特定条件。它的本质就像一个窗口，在这个窗口内收集信息，随着窗口在数组中滑动，信息也会随之更新。滑动窗口算法避免了重复循环元素，特别适用于计算总和或其他数值操作。

滑动窗口算法的实现

滑动窗口算法可以基于数组或链表实现：

基于数组的实现： 使用两个指针标记窗口的左右边界，移动指针即可更新窗口内的元素。
基于链表的实现： 使用链表存储窗口内的元素，删除头部元素并添加尾部元素即可更新窗口。

滑动窗口算法的应用场景

滑动窗口算法在实际应用中十分广泛，例如：

查找数组中连续子序列的和等于特定值的子序列
查找数组中连续子序列的积等于特定值的子序列
查找数组中连续子序列的最大值或最小值
查找数组中连续子序列的平均值

滑动窗口算法的优势

滑动窗口算法具有以下优势：

高效：避免重复遍历数组元素，提高计算效率。
适用性强：适用于查找数组中满足特定条件的连续子序列。

JavaScript 示例

function maxSlidingWindow(nums, k) {
  if (nums.length < k) {
    return [];
  }
  const result = [];
  const queue = [];
  for (let i = 0; i < nums.length; i++) {
    while (queue.length > 0 && nums[queue[queue.length - 1]] <= nums[i]) {
      queue.pop();
    }
    queue.push(i);
    if (i >= k - 1) {
      result.push(nums[queue[0]]);
      if (queue[0] === i - k + 1) {
        queue.shift();
      }
    }
  }
  return result;
}

Python 示例

def maxSlidingWindow(nums, k):
  if len(nums) < k:
    return []
  result = []
  queue = []
  for i in range(len(nums)):
    while queue and nums[queue[-1]] <= nums[i]:
      queue.pop()
    queue.append(i)
    if i >= k - 1:
      result.append(nums[queue[0]])
      if queue[0] == i - k + 1:
        queue.pop(0)
  return result