我把雙指針技巧再分爲兩類,一類是「快慢指針」,一類是「左右指針」。前者解決主要解決鏈表中的問題,好比典型的斷定鏈表中是否包含環;後者主要解決數組(或者字符串)中的問題,好比二分查找。java
快慢指針通常都初始化指向鏈表的頭結點 head,前進時快指針 fast 在前,慢指針 slow 在後,巧妙解決一些鏈表中的問題。算法
一、斷定鏈表中是否含有環數組
這應該屬於鏈表最基本的操做了,若是讀者已經知道這個技巧,能夠跳過。框架
單鏈表的特色是每一個節點只知道下一個節點,因此一個指針的話沒法判斷鏈表中是否含有環的。函數
若是鏈表中不含環,那麼這個指針最終會遇到空指針 null 表示鏈表到頭了,這還好說,能夠判斷該鏈表不含環。優化
boolean hasCycle(ListNode head) { while (head != null) head = head.next; return false; }
可是若是鏈表中含有環,那麼這個指針就會陷入死循環,由於環形數組中沒有 null 指針做爲尾部節點。debug
經典解法就是用兩個指針,一個跑得快,一個跑得慢。若是不含有環,跑得快的那個指針最終會遇到 null,說明鏈表不含環;若是含有環,快指針最終會超慢指針一圈,和慢指針相遇,說明鏈表含有環。指針
boolean hasCycle(ListNode head) { ListNode fast, slow; fast = slow = head; while (fast != null && fast.next != null) { fast = fast.next.next; slow = slow.next; if (fast == slow) return true; } return false; }
二、已知鏈表中含有環,返回這個環的起始位置code
這個問題一點都不困難,有點相似腦筋急轉彎,先直接看代碼:排序
ListNode detectCycle(ListNode head) { ListNode fast, slow; fast = slow = head; while (fast != null && fast.next != null) { fast = fast.next.next; slow = slow.next; if (fast == slow) break; } // 上面的代碼相似 hasCycle 函數 slow = head; while (slow != fast) { fast = fast.next; slow = slow.next; } return slow; }
能夠看到,當快慢指針相遇時,讓其中任一個指針指向頭節點,而後讓它倆以相同速度前進,再次相遇時所在的節點位置就是環開始的位置。這是爲何呢?
第一次相遇時,假設慢指針 slow 走了 k 步,那麼快指針 fast 必定走了 2k 步,也就是說比 slow 多走了 k 步(也就是環的長度)。
設相遇點距環的起點的距離爲 m,那麼環的起點距頭結點 head 的距離爲 k - m,也就是說若是從 head 前進 k - m 步就能到達環起點。
巧的是,若是從相遇點繼續前進 k - m 步,也剛好到達環起點。
因此,只要咱們把快慢指針中的任一個從新指向 head,而後兩個指針同速前進,k - m 步後就會相遇,相遇之處就是環的起點了。
三、尋找鏈表的中點
相似上面的思路,咱們還可讓快指針一次前進兩步,慢指針一次前進一步,當快指針到達鏈表盡頭時,慢指針就處於鏈表的中間位置。
while (fast != null && fast.next != null) { fast = fast.next.next; slow = slow.next; } // slow 就在中間位置 return slow;
當鏈表的長度是奇數時,slow 恰巧停在中點位置;若是長度是偶數,slow 最終的位置是中間偏右:
尋找鏈表中點的一個重要做用是對鏈表進行歸併排序。
回想數組的歸併排序:求中點索引遞歸地把數組二分,最後合併兩個有序數組。對於鏈表,合併兩個有序鏈表是很簡單的,難點就在於二分。
可是如今你學會了找到鏈表的中點,就能實現鏈表的二分了。關於歸併排序的具體內容本文就不具體展開了。
四、尋找鏈表的倒數第 k 個元素
咱們的思路仍是使用快慢指針,讓快指針先走 k 步,而後快慢指針開始同速前進。這樣當快指針走到鏈表末尾 null 時,慢指針所在的位置就是倒數第 k 個鏈表節點(爲了簡化,假設 k 不會超過鏈表長度):
ListNode slow, fast; slow = fast = head; while (k-- > 0) fast = fast.next; while (fast != null) { slow = slow.next; fast = fast.next; } return slow;
左右指針在數組中實際是指兩個索引值,通常初始化爲 left = 0, right = nums.length - 1 。
一、二分查找
之前寫的《二分查找》有詳細講解,這裏只寫最簡單的二分算法,旨在突出它的雙指針特性:
int binarySearch(int[] nums, int target) { int left = 0; int right = nums.length - 1; while(left <= right) { int mid = (right + left) / 2; if(nums[mid] == target) return mid; else if (nums[mid] < target) left = mid + 1; else if (nums[mid] > target) right = mid - 1; } return -1; }
二、兩數之和
直接看一道 LeetCode 題目(經典Two Sum)吧:
只要數組有序,就應該想到雙指針技巧。這道題的解法有點相似二分查找,經過調節 left 和 right 能夠調整 sum 的大小:
int[] twoSum(int[] nums, int target) { int left = 0, right = nums.length - 1; while (left < right) { int sum = nums[left] + nums[right]; if (sum == target) { // 題目要求的索引是從 1 開始的 return new int[]{left + 1, right + 1}; } else if (sum < target) { left++; // 讓 sum 大一點 } else if (sum > target) { right--; // 讓 sum 小一點 } } return new int[]{-1, -1}; }
三、反轉數組
void reverse(int[] nums) { int left = 0; int right = nums.length - 1; while (left < right) { // swap(nums[left], nums[right]) int temp = nums[left]; nums[left] = nums[right];Java nums[right] = temp; left++; right--; } }
四、滑動窗口算法
這也許是雙指針技巧的最高境界了,若是掌握了此算法,能夠解決一大類子字符串匹配的問題,不過「滑動窗口」稍微比上述的這些算法複雜些。
詳情見下文(來自東哥的算法講解的思路)
滑動窗口算法框架中,這裏轉自一首小詩來介紹。
本文就解決一類最難掌握的雙指針技巧:滑動窗口技巧。總結出一套框架,能夠保你閉着眼睛都能寫出正確的解法。
提及滑動窗口算法,不少讀者都會頭疼。這個算法技巧的思路很是簡單,就是維護一個窗口,不斷滑動,而後更新答案麼。LeetCode 上有起碼 10 道運用滑動窗口算法的題目,難度都是中等和困難。該算法的大體邏輯以下:
int left = 0, right = 0; while (right < s.size()) {` // 增大窗口 window.add(s[right]); right++; while (window needs shrink) { // 縮小窗口 window.remove(s[left]); left++; } }
這個算法技巧的時間複雜度是 O(N),比字符串暴力算法要高效得多。
其實困擾你們的,不是算法的思路,而是各類細節問題。好比說如何向窗口中添加新元素,如何縮小窗口,在窗口滑動的哪一個階段更新結果。即使你明白了這些細節,也容易出 bug,找 bug 還不知道怎麼找,真的挺讓人心煩的。
因此今天我就寫一套滑動窗口算法的代碼框架,我連再哪裏作輸出 debug 都給你寫好了,之後遇到相關的問題,你就默寫出來以下框架而後改三個地方就行,還不會出 bug:
/* 滑動窗口算法框架 */ void slidingWindow(string s, string t) { unordered_map<char, int> need, window; for (char c : t) need[c]++; int left = 0, right = 0; int valid = 0; while (right < s.size()) { // c 是將移入窗口的字符 char c = s[right]; // 右移窗口 right++; // 進行窗口內數據的一系列更新 ... /*** debug 輸出的位置 ***/ printf("window: [%d, %d)\n", left, right); /********************/ // 判斷左側窗口是否要收縮 while (window needs shrink) { // d 是將移出窗口的字符 char d = s[left]; // 左移窗口 left++; // 進行窗口內數據的一系列更新 ... } } }
其中兩處 ...
表示的更新窗口數據的地方,到時候你直接往裏面填就好了。
並且,這兩個 ...
處的操做分別是右移和左移窗口更新操做,等會你會發現它們操做是徹底對稱的。
說句題外話,我發現不少人喜歡執着於表象,不喜歡探求問題的本質。好比說有不少人評論我這個框架,說什麼散列表速度慢,不如用數組代替散列表;還有不少人喜歡把代碼寫得特別短小,說我這樣代碼太多餘,影響編譯速度,LeetCode 上速度不夠快。
我服了。算法看的是時間複雜度,你能確保本身的時間複雜度最優,就好了。至於 LeetCode 所謂的運行速度,那個都是玄學,只要不是慢的離譜就沒啥問題,根本不值得你從編譯層面優化,不要捨本逐末……