深入理解滑动窗口算法及其经典应用

在算法设计中，滑动窗口是一种高效的技巧，尤其在处理连续子数组或子串问题时非常有用。滑动窗口的核心思想是使用两个指针，定义一个范围，在这个范围内计算所需的值，然后根据问题的要求移动窗口的边界。本文将详细剖析几道经典题目，结合代码来讲解滑动窗口的原理和应用。

什么是滑动窗口？

滑动窗口技术通常用于解决子数组或子串相关的问题。其主要思想是在数组或字符串上维持一个固定的窗口大小，或在特定条件下调整窗口大小，从而在窗口内进行高效的计算。滑动窗口技术可以帮助我们在O(n)的时间复杂度内解决一些需要遍历整个数组或字符串的问题。
滑动窗口的基本步骤包括：

1. 初始化窗口的左右边界（通常为两个指针）。
2. 移动窗口的右边界扩展窗口范围，直至满足某些条件。
3. 移动窗口的左边界收缩窗口，直至不再满足条件。
4. 记录或更新需要的结果。

接下来，我们通过几道经典的滑动窗口问题，来深入理解这一技巧的应用。

经典题型分析与讲解

1. 长度最小的子数组

题目描述：
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大于等于**target**的长度最小的连续子数组，并返回其长度。如果不存在符合条件的子数组，返回0。
滑动窗口思路：

1. 我们使用两个指针**left**和**right**表示窗口的左右边界。
2. 初始时两个指针都指向数组的起点。
3. 扩展**right**指针，使窗口内的数字和逐渐增大。
4. 当窗口内的和大于等于**target**时，收缩**left**指针以找到最小的子数组长度。
5. 在整个过程中，动态更新最小长度。

class Solution {
   
public:
    int minSubArrayLen(int target, vector<int>& nums) {
   
        int left = 0;
        int right = 0;
        int len = INT_MAX;  // 初始化最小子数组长度为无穷大
        int n = nums.size();
        int sum = 0;  // 当前窗口的数字和

        // 遍历数组，扩展右边界
        for (; right < n; right++) {
   
            sum += nums[right];  // 将当前右边界的数字加入窗口的和中

            // 当窗口内的和大于或等于目标值时，缩小窗口
            while (sum >= target) {
   
                len = min(len, right - left + 1);  // 更新最小子数组长度
                sum -= nums[left];  // 减去左边界的数字，将窗口左边界右移
                left++;
            }
        }

        // 如果找不到符合条件的子数组，返回0；否则返回最小长度
        return len == INT_MAX ? 0 : len;
    }
};

复杂度分析：

• 时间复杂度：O(n)，其中n为数组的长度。每个元素在扩展和收缩窗口的过程中最多只会被访问两次。
• 空间复杂度：O(1)，仅使用了常数个额外空间。

2. 无重复字符的最长子串

题目描述：
给定一个字符串**s**，请你找出其中不含有重复字符的最长子串的长度。
滑动窗口思路：

1. 使用一个哈希表**hash**来记录窗口内字符的频率。
2. 移动**right**指针扩展窗口，加入字符到哈希表中。
3. 如果窗口内出现重复字符，则移动**left**指针收缩窗口，直到不再有重复字符。
4. 在整个过程中，动态更新最大子串长度。

class Solution {
   
public:
    int lengthOfLongestSubstring(string s) {
   
        int hash[200] = {
    0 };  // 用于记录字符的频率
        int left = 0;
        int right = 0;
        int ret = 0;

        while (right < s.size()) {
   
            hash[s[right]]++;

            // 当出现重复字符时，收缩窗口
            while (hash[s[right]] > 1) {
   
                hash[s[left++]]--;
            }

            // 更新最长子串长度
            ret = max(ret, right - left + 1);
            right++;
        }

        return ret;
    }
};

复杂度分析：

• 时间复杂度：O(n)，字符串的每个字符最多访问两次。
• 空间复杂度：O(1)，哈希表的大小为固定的常数级。

3. 最长重复子数组

题目描述：
给定一个二进制数组**nums**和一个整数**k**，如果可以将最多**k**个**0**变成**1**，求最长的连续**1**的长度。
滑动窗口思路：

1. 使用两个指针**left**和**right**表示滑动窗口。
2. 每次扩展**right**指针，将遇到的**0**记录在计数器**counter**中。
3. 当窗口内**0**的个数大于**k**时，收缩窗口，直到**0**的个数不超过**k**。
4. 在整个过程中，动态更新最大连续**1**的长度。

class Solution {
   
public:
    int longestOnes(vector<int>& nums, int k) {
   
        int left = 0;
        int right