算法通关村--原来滑动窗口如此简单

滑动窗口实际上就是双指针的一种特殊场景，由于这类方式能很好的解决一些特定场景的问题，所以就有了“滑动窗口思想”。

滑动窗口基本思想

在数组中，算法会大量移动数组中的元素，频繁的移动元素会导致执行效率低下或超时。使用两个变量就能较好的解决很多相关的问题，在数组和链表中有许多经典例题，于是这种方式就慢慢演化成了“双指针思想”。

在数组双指针中，有“对撞型”和“快慢型”两种方式，而滑动窗口思想就是快慢型的特例。

滑动窗口思想非常简单，就是一个窗口，当不断有新数据来的时候，就不断维护一个窗口，超口窗口大小的就将新的放入，老的移走。

从上图可以了解，所谓的窗口就是建立两个索引，left和right，并且保持{left,right}之间一共有窗口大小个元素，然后一边遍历序列，一边寻找，每改变依次就标记以下当前区间的最大值。

窗口：就是两个变量left和right之间的元素，也可以理解为一个区间，窗口大小可能固定，也可能变化，如果是固定大小的，那么要确定窗口是否越界，在执行逻辑；如果不是固定的，就先判断是否满足要求，在执行逻辑。

滑动：说明这个窗口是移动的，本质上就是移动left和right两个变量，而不是序列中的元素。当变量移动时，其中间的元素必然发生变化，因此就有了这种不断滑动的效果。

在实际问题中，窗口大小不一定是固定的，可以思考以下两种场景：

1.固定的窗口滑动就是火车行驶这种大小不变的移动。

2.可变的窗口就是老师带着一队学生外出，一个负责开路，一个负责断后，中间是学生。两位老师之间的距离可能有时大有时小，但是整体窗口就是不断滑动的。

根据窗口大小是否固定，可以造出两种类型的题：

1.如果是固定的，一般会求哪个窗口的元素最大、最小、平均值、和最大、和最小等等类型。

2.如果窗口是可变的，则一般会让你求一个序列里最大、最小窗口是什么等等。

滑动窗口的题没有太高的思维含量，但是在实际的解题时会感到比较吃力，主要的原因是：

1.解题最终落实在数组上，特别是边界处理，一旦忽略，就难以得到准确的结果。

2.有些元素的比较、判断比较麻烦，不仅要借助集合等工具，而且在处理过程中会有一些技巧，如果不熟悉就会导致解题难度加大。

3.堆，堆结构非常适合在流数据中找固定区间内的最大、最小等问题。因此滑动窗口经常和堆一起使用可以完美解决很多复杂的问题。

双指针和滑动窗口有什么区别呢？

滑动窗口是双指针的一种类型，主要关注两个指针之间元素的情况，因此范围更小，而双指针的应用范围更大，花样更多。

下面，来看两个例题来了解一下滑动窗口

子数组最大平均数

LeetCode643：

给你一个由n个元素组成的整数数组nums和一个整数k。

请你找出平均数最大且长度为k的连续子数组，并输出该最大平均数。

示例1：

输入：nums = [1,12,-5,-6,50,3]，k = 4

输出：12.75

解释：最大平均数（12-5-6+50）/ 4 = 51 / 4 = 12.75

示例2：

输入：nums = [5]，k = 1

输出：5.00000

public static double findMaxAverage(int[] nums,int k){
        int sum = 0;
        if (nums.length < k || nums.length < 1 || k < 1){
            return 0;
        }
        //求第一个窗口的和
        for (int i = 0; i < k; i++){
            sum += nums[i];
        }
        //遍历，每次向右增加一个，左边减少一个，重新计算窗口最大值
        int res = sum;
        for (int right = k;right < nums.length; right++){
            sum += nums[right] - nums[right - k];
            res = Math.max(res,sum);
        }
        return (double) res / k;
    }

最长连续递增序列

LeetCode674：

给定一个未经排序的整数数组，找到最长且连续递增的子序列，并返回该序列的长度。

连续递增的子序列可以由两个下标l和r（l < r）确定，如果对于每个l <= i < r，都有nums[i] < nums[i+1]，那么子序列[nums[l],nums[l+1],...,nums[r-1],nums[r]]就是连续递增的子序列。

示例1：

输入：nums = [1,3,5,4,7]

输出：3

解释：最长连续递增序列是[1,3,5]，长度为3。尽管[1,3,5,7]也是升序的子序，但它不是连续的，因为5和7的原数组里被4隔开。

示例2：

输入：nums = [2,2,2,2,2]

输出：1

解释：最长连续递增序列是[2]，长度为1。

public static int findLengthOfLCIS(int[] nums){
        int left = 0;
        int right = 0;
        int num = 0;
        while (right < nums.length){
            //右侧元素 < 左侧元素，重新记录left位置
            if (right > 0 && nums[right - 1] >= nums[right]){
                left = right;
            }
            right++;
            num = Math.max(num,right-left);
        }
        return num;
    }