1. 最长重复数组

在这里插入图片描述

（1）暴力

跟最长公共子串一个解法，没有变化

class Solution {
    public int findLength(int[] nums1, int[] nums2) {
        if (nums1 == null || nums2 == null) {
            return 0;
        }
        int l1 = nums1.length;
        int l2 = nums2.length;
        int res = 0;
        for (int i = 0; i < l1; i++) {
            for (int j = 0; j < l2; j++) {
                int m = i;
                int n = j;
                int len = 0;
                while (m < l1 && n < l2 && nums1[m] == nums2[n]) {
                    len++;
                    m++;
                    n++;
                }
                res = Math.max(res, len);
            }
        }
        return res;
    }
}

（2）DP

用一个二维数组dp[i][j]表示第一个字符串前 i 个字符（0，i – 1）和第二个字符串前 j 个字符（0，j – 1）组成的最长公共字符串的长度。

那么我们在计算dp[i][j]的时候，我们首先要判断s1.charAt(i)是否等于s2.charAt(j)：

如果不相等，说明当前字符无法构成公共子串，所以dp[i][j]=0。
如果相等，说明可以构成公共子串，我们还要加上他们前一个字符构成的最长公共子串长度，也就是dp[i-1][j-1]。所以我们很容易找到递推公式

class Solution {
    public int findLength(int[] nums1, int[] nums2) {
        if (nums1 == null || nums2 == null || nums1.length == 0 || nums2.length == 0)
            return 0;
        int max = 0;

        // +1是为了防止边界条件判断 和 减少初始化当 i 或 j 等于 0 时，初始化子串就是为0，初始化数组也是为0
        int[][] dp = new int[nums1.length + 1][nums2.length + 1];
        for (int i = 1; i <= nums1.length; i++) {
            for (int j = 1; j <= nums2.length; j++) {
                if (nums1[i - 1] == nums2[j - 1])
                    dp[i][j] = dp[i - 1][j - 1] + 1;
                else
                    dp[i][j] = 0;
                //最大值不一定出现在数组的最后一个位置，所以要用一个临时变量记录下来。
                max = Math.max(max, dp[i][j]);	
            }
        }
        return max;
    }
}

（3）DP优化

class Solution {
    public int findLength(int[] nums1, int[] nums2) {
        if (nums1 == null || nums2 == null || nums1.length == 0 || nums2.length == 0)
            return 0;
        int max = 0;

        // +1是为了防止边界条件判断 和 减少初始化当 i 或 j 等于 0 时，初始化子串就是为0，初始化数组也是为0
        int[] dp = new int[nums2.length + 1];
  
        for (int i = 1; i <= nums1.length; i++) {
            //使用的倒序的方式，这是因为dp数组后面的值会依赖前面的值，而前面的值不依赖后面的值，所以后面的值先修改对前面的没影响，但前面的值修改会对后面的值有影响，所以这里要使用倒序的方式。
            for (int j = nums2.length; j >= 1 ; j--) {
                if (nums1[i - 1] == nums2[j - 1])
                    dp[j] = dp[j - 1] + 1;
                else
                    dp[j] = 0;
                    
                //最大值不一定出现在数组的最后一个位置，所以要用一个临时变量记录下来。
                max = Math.max(max, dp[j]);
            }
        }
        return max;
    }
}

2. 最长重复子串

在这里插入图片描述

（0）暴力（IndexOf）

lastIndexOf判断最后位置是否为当前位置

class Solution {
    public int longestRepeatingSubstring(String S) {
        int max = 0;
        for (int i = 0; i < S.length(); i++) {
            for (int j = i + 1; j<=S.length(); j++) {
                if (S.lastIndexOf(S.substring(i,j)) != i)
                	max = Math.max(max, j - i);
            }
        }
        return max;
    }
}

从第一个位置开始找有重复的最长子串，记录max，以后的子串字节从len>max开始找，时间复杂度不行，但是内存100% 代码也简单

class Solution {
     public int longestRepeatingSubstring(String S) {
     int max = 0;
        for(int i = 0; i < S.length(); i++){
            for(int j = i + max + 1; j < S.length(); j++){
                String value = S.substring(i,j);
                if(S.substring(i+1).contains(value)){
                    max = j - i;
                }
            }
        }
        return max;
    }
}

（1）暴力（Hash）

首先要有重复的最长子串，那么应该从S的length – 1中去找，因为只有这样才有重复的串，重复的意思是>=2个；
我们先预设长度是len（length – 1）的情况下找重复子串，如果有？返回这个这个子串的长度即可
缩小（–len）的方式找下去，直到找到存在重复子串，返回其长度即可；

class Solution {
    public int longestRepeatingSubstring(String S) {
        int length = S.length();
        int len = length - 1;
        while (len > 0) {
            int maxTimes = 1;
            Map<String, Integer> timer = new HashMap<>();
            for (int i = 0; i <= length - len; i++) {
                String substring = S.substring(i, i + len);
                int times = timer.getOrDefault(substring, 0) + 1;
                timer.put(substring, times);
                if (times > maxTimes) {
                    return substring.length();
                }
            }
            len--;
        }
        return 0;
    }
}

（2）滑动窗口

这种连续的子串，子数组问题比较符合“滑动窗口”的应用场景：滑动窗口就是通过增加right指针持续寻找满足一定条件的对象，一旦发现条件不满足，立马从left指针开始减少对象范围重新比较满足性
本题中只要持续比较子串是否在left+1的索引后面的字符串中能否找到子串就可以

class Solution {
    public int longestRepeatingSubstring(String S) {
        int left = 0;
        int right = 0;
        int index = -1;
        int maxLength = 0;
        StringBuilder stringBuilder = new StringBuilder();
        while (right < S.length()) {
            char cAdd = S.charAt(right);
            right++;
            stringBuilder.append(cAdd);
            index = S.indexOf(stringBuilder.toString(), left + 1);
            if (index != -1) {
                continue;
            }
            while (index == -1) {
                maxLength = Math.max(maxLength, right - left);
                left++;
                stringBuilder.deleteCharAt(0);
                index = S.indexOf(stringBuilder.toString(), left + 1);
            }
        }
        return maxLength - 1;
    }
}

（3）二分

如果暴力求解，至少要枚举2个指针 => 至少是On平方解法，因为要枚举边界。而且，要枚举所有长度，长度区间是[0, n] => 所以是O n三次方复杂度。
为了降低复杂度，可以二分搜索长度，减少搜索次数。搜索次数最多也就logN
对于每个长度，就用枚举法，枚举[0, input.length – midLen]区间，所有长度为midLen子串，这里配合HashSet，记录已经访问过的子串，如果后面出现相同的子串，就返回true，否则返回false。
二分搜索，采用求满足条件的最大值的模版

搜索范围： left = mid, right = mid – 1;

mid计算： int mid = (left + right + 1) >>> 1;

// 不加入1会死循环，因为最后剩2个元素时，[0, 1] 会导致 0 + 1 /2 == 0; 即left == mid == 0，循环无数次，left 和 mid一直都是0

class Solution {
    public int longestRepeatingSubstring(String S) { // 如果暴力搜，需要遍历所有长度，二分法，可以只搜logN个长度。
        int max = 0;
        int left = 0, right = S.length() - 1;
        while (left < right) {
            int midLen = (left + right + 1) / 2; // 二分搜索中，从有序数组中，求满足条件的最大值，这要+1 ，不然会死循环。
            if (isLongest(S, midLen)) {
                left = midLen; // 保底，且逼近最大值
            } else {
                right = midLen - 1; // 二分搜索中，求满足条件的最大值标准模板
            }
        }
        return left;
    }

    private boolean isLongest(String s, int midLen) {
        Set<String> seen = new HashSet<>();
        for (int i = 0; i <= s.length() - midLen; i++) { // len都是比区间多1的，相当于i <= subStr.length - 1; 其中subStr就是减去midLen长度的长度
            String subStr = s.substring(i, i + midLen);
            if (seen.contains(subStr)) {
                return true;
            }
            seen.add(subStr);
        }
        return false;
    }
}

原文链接：https://blog.csdn.net/ly0724ok/article/details/119877621