news 2026/9/3 0:57:26

Leetcode 76.最小覆盖子串 JavaScript (Day 6)

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
Leetcode 76.最小覆盖子串 JavaScript (Day 6)

js一刷法一(丑陋)

varminWindow=function(s,t){if(s.length<t.length)return"";letm=newSet(s);for(leti=0;i<t.length;i++){if(!m.has(t[i]))return"";}letans=[0,1000000000000000000];letidx=newMap();for(leti=0;i<t.length;i++){idx.set(t[i],(idx.get(t[i])??0)+1);}letleft=0,right=0;while(right<s.length){if(idx.has(s[right]))idx.set(s[right],idx.get(s[right])-1);while([...idx.values()].every(x=>x<=0)){if(left===right)returns[right];if(right-left<ans[1]-ans[0])ans=[left,right];if(idx.has(s[left]))idx.set(s[left],idx.get(s[left])+1);left++;}right++;}while([...idx.values()].every(x=>x<=0)){if(left===right)returns[right];if(right-left<ans[1]-ans[0])ans=[left,right];if(idx.has(s[left]))idx.set(s[left],idx.get(s[left])+1);left++;}if(ans[1]==1000000000000000000)return"";returns.slice(ans[0],ans[1]+1);};

js一刷法一(优化版)

varminWindow=function(s,t){if(s.length<t.length)return"";letneed=t.length;letmap=newMap();for(letcoft){map.set(c,(map.get(c)??0)+1);}letleft=0;letans=[0,Infinity];for(letright=0;right<s.length;right++){letc=s[right];if(map.has(c)){if(map.get(c)>0)need--;map.set(c,map.get(c)-1);}while(need===0){if(right-left<ans[1]-ans[0]){ans=[left,right];}letd=s[left];if(map.has(d)){map.set(d,map.get(d)+1);if(map.get(d)>0)need++;}left++;}}returnans[1]===Infinity?"":s.slice(ans[0],ans[1]+1);};

思路完全相同,只不过一开始我是想用之前一个题思路,先将t存入hash,然后遇到符合条件的就-1,优化后用need(t的长度)来记录,need=0时候,说明找到了
算法核心:左指针不动,右指针不断往右,当窗口里包含了所有符合条件的字符后,从左边缩短窗口,左指针右移,所以说left在right动之前,永远指向的是有效字符,因为无效的在循环中清除了

js一刷法二(无敌)

varminWindow=function(s,t){constarr=newArray(128).fill(0);for(constioft){arr[i.charCodeAt(0)]--;}letleft=0,right=0,count=0,start=-1;letlen=s.length+1;while(right<s.length){if(arr[s.charCodeAt(right)]<0){count++;}arr[s.charCodeAt(right)]++;while(left<=right&&arr[s.charCodeAt(left)]>0){arr[s.charCodeAt(left)]--;left++;}if(count===t.length&&right-left+1<len){len=right-left+1;start=left;}right++;}returnstart===-1?"":s.slice(start,start+len);};

算法核心:长度可变的滑动窗口,因为字符串中数字大小写字母不方便来比较,所以全部转化成ASCII码来比较,创建一个长度为128的数组,对应0-127的ASCII码,可以表示26个大小写字母,0-9的数字
数组中

>0 无效元素
=0 符合要求,刚好在窗口内
<0 不在窗口内

先把数组全部初始化为0,要找的字符全部初始化为-1,然后向右遍历,并+1,原来为-1的加一后变为0,为在窗口内的有效字符,无用的字符和有用但重复的字符+1后>0,在后续的循环中可以被清除
用start记录起点 用len来更新长度,找到最小的len

语法注意点:
想要获取数组/字符串arr中的一部分,并且不破坏原数组,用slice(i,j),可以将arr[i]~arr[j-1]存储在新数组中并返回

arr.charCodeAt[i] 将arr[i]转化成ASCII码

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/9/3 0:09:36

如何定制自己的PyTorch-CUDA镜像?基于v2.7二次开发指南

如何定制自己的PyTorch-CUDA镜像&#xff1f;基于v2.7二次开发指南 在现代AI研发中&#xff0c;一个常见的痛点是&#xff1a;明明代码写好了&#xff0c;模型结构也没问题&#xff0c;可一运行就报错——“CUDA not available”、“Found no NVIDIA driver”&#xff0c;或是…

作者头像 李华
网站建设 2026/8/28 2:58:55

CNN模型迁移学习示例:在PyTorch-CUDA-v2.7镜像中快速实现

CNN模型迁移学习实战&#xff1a;基于PyTorch-CUDA-v2.7镜像的高效实现 在图像识别项目中&#xff0c;你是否曾为环境配置耗费一整天却仍无法跑通第一个训练脚本&#xff1f;是否在学生机房里眼睁睁看着同学们因为CUDA版本不兼容而放弃实验&#xff1f;这并非个别现象——据202…

作者头像 李华
网站建设 2026/9/3 0:25:26

旧版PyTorch升级指南:迁移到v2.7镜像的注意事项

从旧版PyTorch迁移到v2.7镜像的实践指南 在深度学习项目中&#xff0c;环境配置往往比模型调优更令人头疼。你是否也经历过这样的场景&#xff1a;本地训练一切正常&#xff0c;换到服务器上却报错“CUDA not available”&#xff1f;或是团队成员因 PyTorch、CUDA 或 cuDNN 版…

作者头像 李华
网站建设 2026/9/2 23:07:48

使用SSH连接远程PyTorch容器进行长时间模型训练

使用SSH连接远程PyTorch容器进行长时间模型训练 在深度学习项目中&#xff0c;一个常见的场景是&#xff1a;你写好了模型代码&#xff0c;准备开始训练&#xff0c;却发现本地笔记本的GPU内存不够&#xff0c;训练跑不到一半就崩溃了&#xff1b;或者你在公司服务器上启动了训…

作者头像 李华
网站建设 2026/9/2 23:59:48

PyTorch官网安装慢如蜗牛?国内镜像源加速解决方案

PyTorch官网安装慢如蜗牛&#xff1f;国内镜像源加速解决方案 在人工智能项目开发中&#xff0c;最让人抓狂的时刻之一&#xff0c;可能不是模型训练不收敛&#xff0c;也不是梯度爆炸——而是当你兴致勃勃准备开始写代码时&#xff0c;却发现 pip install torch 卡在 5% 已经半…

作者头像 李华
网站建设 2026/8/24 10:15:38

深度学习环境搭建神器:PyTorch-CUDA-v2.7镜像使用全攻略

深度学习环境搭建神器&#xff1a;PyTorch-CUDA-v2.7镜像使用全攻略 在深度学习项目开发中&#xff0c;最让人头疼的往往不是模型设计本身&#xff0c;而是环境配置——明明代码没问题&#xff0c;却因为 CUDA 版本不匹配、cuDNN 缺失或 PyTorch 与驱动不兼容导致训练跑不起来…

作者头像 李华