1 题目描述
请从字符串中找出一个最长的不包含重复字符的子字符串,计算该最长子字符串的长度。
示例1:
输入: "abcabcbb"
输出: 3
解释: 因为无重复字符的最长子串是 "abc",所以其长度为 3。
示例2:
输入: "bbbbb"
输出: 1
解释: 因为无重复字符的最长子串是 "b",所以其长度为 1。
示例3:
输入: "pwwkew"
输出: 3
解释: 因为无重复字符的最长子串是 "wke",所以其长度为 3。
请注意,你的答案必须是 子串 的长度,"pwke" 是一个子序列,不是子串。
提示
s.length <= 40000
2 解题思路
长度为N的字符串共有 ( 1 + N ) N 2 {(1+N)N} \over 2 2(1+N)N个子字符串(复杂度为 O ( N 2 ) O(N^2) O(N2)),判断长度为N的字符串是否有重复字符的复杂度为O(N),因此本题使用暴力法解决的复杂度为 O ( N 3 ) O(N^3) O(N3)。考虑使用动态规划降低时间复杂度。
动态规划解析:
- 状态定义:设动态规划列表dp,dp[j]代表以字符s[j]为结尾的“最长不重复子字符串”的长度。
- 转移方程:固定右边界j,设字符s[j]左边距离最近的相同字符为s[i],即s[i]=s[j]。
- 当 i < 0 i<0 i<0,即s[j]左边无相同字符,则dp[j]=dp[j-1]+1;
- 当 d p [ j − 1 ] < j − i dp[j-1]<j-i dp[j−1]<j−i,说明字符s[i]在子字符串dp[j-1]区间之外,则 d p [ j ] = d p [ j − 1 ] + 1 dp[j]=dp[j-1]+1 dp[j]=dp[j−1]+1;
- 当 d p [ j − 1 ] ≥ j − i dp[j-1] \geq j-i dp[j−1]≥j−i,说明字符s[i]在子字符串dp[j-1]区间之中,则dp[j]的左边界由s[i]决定,即 d p [ j ] = j − i dp[j]=j-i dp[j]=j−i;
当 i < 0 i<0 i<0时,由于 d p [ j − 1 ] ≤ j dp[j-1]\leq j dp[j−1]≤j恒成立,因此分支
1.
和2.
可被合并。
d p [ j ] = { d p [ j − 1 ] + 1 d p [ j − 1 ] < j − i j − i d p [ j − 1 ] ≥ j − i dp[j]=\left\{ \begin{array}{lcl} dp[j-1]+1 & & {dp[j-1]<j-i}\\ j-i & & {dp[j-1] \geq j-i} \end{array} \right. dp[j]={ dp[j−1]+1j−idp[j−1]<j−idp[j−1]≥j−i
- 返回值:max(dp),即全局的“最长不重复子字符串”的长度。
空间复杂度优化:
- 由于返回值是取 dp 列表最大值,因此可借助变量 tmp 存储 dp[j] ,变量 res 每轮更新最大值即可。
- 此优化可节省 dp 列表使用的 O(N) 大小的额外空间。
动态规划+哈希表
- 哈希表统计:遍历字符串s时,使用哈希表(记为dic)统计各字符最后一次出现的索引位置。
- 左边界i获取方式:遍历到s[j]时,可通过访问哈希表dic[s[j]]获取最近的相同字符的索引i。
java的getOrDefault(key,default),代表当哈希表包含键key时返回对应value,不包含时返回默认值default。
class Solution {
public int lengthOfLongestSubstring(String s) {
Map<Character,Integer> dic = new HashMap<>();
int tmp = 0;
int res = 0;
for (int j = 0;j < s.length();j++) {
int i = dic.getOrDefault(s.charAt(j),-1);
dic.put(s.charAt(j),j);
tmp = tmp < j - i ? tmp + 1 : j - i;
res = Math.max(res,tmp);
}
return res;
}
}
复杂度分析:
- 时间复杂度 O(N) : 其中 N 为字符串长度,动态规划需遍历计算 dp 列表。
- 空间复杂度 O(1) : 字符的 ASCII 码范围为 0 ~ 127 ,哈希表 dic 最多使用 O(128)=O(1) 大小的额外空间。