LeetCode之3---Longest Substring Without Repeating Characters

本文探讨了如何寻找给定字符串中最长的无重复字符子串的问题,提出了两种解决方案:一是利用vector存储已扫描过的字符及其位置;二是引用了一种更高效的方法。

题目:

Given a string, find the length of the longest substring without repeating characters. For example, the longest substring without repeating letters for "abcabcbb" is "abc", which the length is 3. For "bbbbb" the longest substring is "b", with the length of 1.


题目大意:

给定一个字符串,找出字符串中最长子串的长度,要求找出的子串中没有重复的字符,比如:abcabcbb,满足要求的最长子串是:abc,则返回结果3。


思路:

拿到本题的第一个想法是暴力匹配,枚举出所有情况然后找出符合条件的子串,并且返回其长度。但是想一想就可以知道这种方法的时间复杂度太高,所以必须另辟蹊径。

随后想到了用C++中的map容器当作一个记录路径的东西,让它来记录每一个已经走过的字符,然后碰到下一个字符时将字符先在map中find,如果找到则比较当前走过的个数如果当前走过的个数大于已经记录的长度则替换已经记录的长度,如果当前值小于记录值则不做处理,接下来将map中重复值之前的删掉,并且将当前记录值改为当前扫描到的位置下标减去重复值的下标(这样做的目的是防止出现"vqblqcb"这种情况)。如果没有find到则直接将当前扫描的字符和下标存入map。但是在实际编程中发现map中存储好的值的顺序和实际的加入map的顺序无关,这就导致在删除那一步没有办法进行,或者删除的时间复杂度较高,所以使用map的方法不可行。

还是第二个思路,只是将map换成了两个vector,一个vector存储已经扫描过的值,另一个vector存储扫描过的值的下标。


代码:

class Solution {
public :
    int lengthOfLongestSubstring(std::string s) 
    {
        int length = 0;     //最终长度
        int tmp = 0;    //目前扫描长度
        std::vector<char> v;    //记录扫描过的点
        std::vector<int> pos;   //对应记录扫描过的点的下标
        
        for (auto i = 0; i != s.size(); ++i) {
            auto b = std::find(v.begin(), v.end(), s[i]);   //查找是否已经走过
            if (b != v.end()) { //如果找到
                if (tmp > length) { //并且当前值大于已记录的最大值
                    length = tmp;   //修改记录的最大值
                } 
                tmp = (i - *(pos.begin() + (b - v.begin())));   //重新计算当前值的大小
                v.erase(v.begin(), b + 1);  //删除值记录中的相应数字
                pos.erase(pos.begin(), (pos.begin() + (b - v.begin()) + 1));    //删除值记录对应的下标
            } else {
                ++tmp;  //如果没有重复则当前记录值自增
            }
            
            v.push_back(s[i]);  //将扫描过的值加入集合
            pos.push_back(i);   //将对应下标加入集合
            
            //如果循环结束后扫描值比记录值大,则修改记录值
            if (i == s.size() - 1 && length < tmp) {
                length = tmp;   
            }
        }
        
        return length;
    }
};


4月3日补充:

今天在浏览学长博客时看到一个非常巧妙的解法,现分享如下:http://blog.youkuaiyun.com/wwh578867817/article/details/45894009

转载于:https://www.cnblogs.com/jungzhang/p/5547329.html

内容概要:本文介绍了一个基于MATLAB实现的无人机三维路径规划项目,采用蚁群算法(ACO)与多层感知机(MLP)相结合的混合模型(ACO-MLP)。该模型通过三维环境离散化建模,利用ACO进行全局路径搜索,并引入MLP对环境特征进行自适应学习与启发因子优化,实现路径的动态调整与多目标优化。项目解决了高维空间建模、动态障碍规避、局部最优陷阱、算法实时性及多目标权衡等关键技术难题,结合并行计算与参数自适应机制,提升了路径规划的智能性、安全性和工程适用性。文中提供了详细的模型架构、核心算法流程及MATLAB代码示例,涵盖空间建模、信息素更新、MLP训练与融合优化等关键步骤。; 适合人群:具备一定MATLAB编程基础,熟悉智能优化算法与神经网络的高校学生、科研人员及从事无人机路径规划相关工作的工程师;适合从事智能无人系统、自动驾驶、机器人导航等领域的研究人员; 使用场景及目标:①应用于复杂三维环境下的无人机路径规划,如城市物流、灾害救援、军事侦察等场景;②实现飞行安全、能耗优化、路径平滑与实时避障等多目标协同优化;③为智能无人系统的自主决策与环境适应能力提供算法支持; 阅读建议:此资源结合理论模型与MATLAB实践,建议读者在理解ACO与MLP基本原理的基础上,结合代码示例进行仿真调试,重点关注ACO-MLP融合机制、多目标优化函数设计及参数自适应策略的实现,以深入掌握混合智能算法在工程中的应用方法。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值