浅谈滑动窗口技巧(力扣题目为例)

技巧解释：

滑动窗口技巧其实是双指针算法合理运用的一种技巧，即通过两个指针的移动，一个指针在前一个在后，动态处理一组数据以便达到简化暴力法的目的，这也说明一般滑动窗口技巧是部分题目暴力法的优化方法。。

图示：

例题：

例题1：209.长度最小的数组

给定一个含有 n 个正整数的数组和一个正整数 target 。

找出该数组中满足其和 ≥ target 的长度最小的 连续子数组 [numsl, numsl+1, …, numsr-1, numsr] ，并返回其长度。如果不存在符合条件的子数组，返回 0 。

双指针技巧分析：
由于题目要求我们找出和大于target的长度最小子数组，我们可以先定义两个指针指向数组的头部，再定义一个结果变量(result)此处我们初始化为：nums.length + 1,再定义求和变量total；先让j指针移动，total累加求和，当total的值大于等于target时让total减去nums[ i ],每次取result和j-i的最小值，此题目中就是通过j-i来抽象形成一个滑动窗口

代码：

public int minSubArrayLen(int target, int[] nums) {
	//Sliding Window | Two Pointer
	//N is the size of nums
	//Time complexity: O(N)
	//Space complexity: O(1)
	if (nums == null || nums.length == 0) {
		return 0;
	}
	//定义双指针
	int i = 0;
	int j = 0;
	int result = nums.length + 1;
	int total = 0;
	while (j < nums.length) {
		total += nums[j];
		j++;
		//当长度大于等于target时，开始滑动窗口
		while (total >= target) {
		result = Math.min(result,j - i);
		//将i处值“滑出”“窗口”
		total -= nums[i];
		//i++窗口缩小
		i++;
	}
	return result == nums.length + 1 ? 0 : result;
}

总结：对于本题目的“滑动窗口” 算法，最重要的两点就是：1.如何动态维护滑动的窗口；2.如何动态更新题目需求结果!!!对于这两点个人感觉是判断是否能使用“滑动窗口”技巧的关键，也是运用滑动窗口解题的关键，有时我们为了更好的完成以上两点，我们还可以借助一些数据结构的特点实现两点！！！（我们以219。存在重复元素II为例子）

例题2：219.存在重复元素II

给你一个整数数组 nums 和一个整数 k ，判断数组中是否存在两个 不同的索引 i 和 j ，满足 nums[i] == nums[j] 且 abs(i - j) <= k 。如果存在，返回 true ；否则，返回 false 。

双指针技巧分析：
有了第一个例题总结出来的两个关键待解决点，我们针对那两点分别指出解决方法，1.我们以每个长度为k的子数组为考虑对象（即每次动态维护“滑动窗口”的长度为k）那么本题目该如何动态维护其长度为k呢？我们从数组的基地址开始遍历，当遍历的索引（假设索引为i）大于k时我们通过“i - k - 1”每次移除窗口中的最后一位。2.对于本题目由于只需要判断是否存在，及我们只要判断在长度为k的子数组中，判断是否存在最近的两个符合题目的元素，那么我们可以选用java中HashSet相同后一个元素添加会失败，每次遍历元素时如果不存在则添加到HashSet中，如果添加失败则返回true。（这一点就正如前面一题所总结，我们可以选择合理的数据结构帮助完成元素的比较和相关操作！）

图示：

代码：

 public boolean containsNearbyDuplicate(int[] nums, int k) {
 	HashSet<Integer> set = new HashSet<>();
 	for (int i = 0; i < nums.lengt; i++) {
 		//动态维护“滑动窗口”
 		if (i > k) {
 			set.remove(nums[i-k-1]);
 		}
 		//如果添加失败
 		//说明在“窗口”中存
 		if (!set.add(i)) {
 			return true;
 		}
 	}
 	return false;
 }

补充：此题目也可以用另一个集合HashMap的特性（相同的后一个元素会覆盖前一个元素）来解答，但不属于“滑动窗口”解法(但也可以看作存在其思想)。

 public boolean containsNearbyDuplicate(int[] nums, int k) {
 	//HashMap
 	//Time Complexiy: O(N)
 	//Space Complexity: O(N)
 	HashMap<Integer, Integer> map = new HashMap<>();
 	for (int i = 0; i < nums.length; i++) {
 		//定义辅助变量，用于对子区间内的元素比较
 		int num = nums[i];
 		//如果map中已经存在值相同元素
 		//并且索引之差小于等于k
 		if (map.containsKey(num) && i - map.get(num) <= k) {
 			return true;
 		}
 		map.put(num,i);
 	}
 	return false;
 }

总结：做完本题目和上一个题目，我们可以发现在施行维护“滑动窗口”之前，我们其实都是先完成了一个先生成一个符合题意的“窗口”的抽象操作，对于209题，我们利用变量“total”达到大于等于“target”时记录下来的下标j和初始另一个下标i形成窗口；对于219题我们先遍历到长度为k的子数组，其后在对长度k维护！！！（接下来的一题对于该操作体现的更加明显）

例题3：643子数组最大平均数I

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。

任何误差小于 10-5 的答案都将被视为正确答案。

双指针技巧分析：
题目需要我们找出找出平均数最大且 长度为 k 的连续子数组，那么我们只需要找出和最大，长度为k的子数组即可，为了使用双指针技巧，以及比较元素得出最大和长度为k的 子数组，我们进行如下操作：1.先将遍历到下标为k-1的位置得到“定长窗口”；2.再从下标为k的位置开始遍历，实现j - k完成对“窗口”的维护，并每次比较子数组中的元素和，得出最大和！！！

代码：

public double findMaxAverage(int[] nums, int k) {
	int sum = 0;
	//先遍历到下标为k-1的位置
	//生成“窗口”
	for (int i = 0; i < k; i++) {
		sum += num[i];
	}
	//定义最大结果边练
	//用于每轮维护的比较
	int maxSum = sum;
	//再从k位置开始遍历
	//每次实现维护窗口为定长
	for (int j = k; j < nums.length; j++) {
		sum = sum + nums[j] - nums[j-k];
		maxSum = Math.max(sum,Maxsum);
	}
	//返回结果
	//注意要返回double类型
	return 1.0 * maxSum / k;
}

总结：此题目就比较明显的体现出，先生成窗口的操作。

最后总结：

对于“滑动窗口”技巧我们该明白如下几点：
1.其为部分题解暴力法的优化方法
2.实际上是双指针算法的合理运用
2.用该技巧解题关键在于如何先生成窗口；如何依据题意维护窗口；如何对窗口内元素进行操作
（个人认为，此处虽然只有三个题目为例（不排除特殊情况）还不能够将滑动窗口的通解逻辑思想体现出来，但是从逻辑的角度看若要维护窗口，那就必须先存在窗口，对于具体问题，还需要具体分析！！！）