JAVA：滑动窗口算法的技术指南

拾荒的小海螺

于 2025-03-18 15:33:42 发布

阅读量436

点赞数 3

分类专栏： Design 文章标签： java 算法开发语言

本文链接：https://blog.csdn.net/lishangke/article/details/144818173

版权

Design 专栏收录该内容

32 篇文章

订阅专栏

1、简述

滑动窗口算法是一种高效解决子数组、子字符串问题的算法，广泛应用于数据流处理、网络限流和字符串操作等场景。本文将详细解析滑动窗口算法的核心思想、常见问题及其实现方式，并结合具体示例和实际应用场景进行说明。

在这里插入图片描述

2、核心思想

滑动窗口是一种双指针技术，维护一个能够在数据结构上"滑动"的窗口（通常由两个指针表示）。通过动态调整窗口的范围，优化计算的时间复杂度。

基本步骤：

初始化两个指针 left 和 right，分别表示窗口的左边界和右边界。
移动 right 指针扩大窗口，直到窗口满足问题的条件。
在满足条件时，移动 left 指针缩小窗口，寻找更优解或移除不必要的元素。
重复上述过程，直到 right 遍历完整个数据结构。

在这里插入图片描述

3、实践样例

以下是几个经典问题的滑动窗口解法：

3.1 找到字符串中所有不重复字符的最长子串

给定一个字符串，找出其中不含重复字符的最长子串。

import java.util.HashSet;

public class LongestSubstringWithoutRepeatingChars {
    public int lengthOfLongestSubstring(String s) {
        int left = 0, right = 0, maxLength = 0;
        HashSet<Character> window = new HashSet<>();

        while (right < s.length()) {
            char c = s.charAt(right);
            if (!window.contains(c)) {
                window.add(c);
                maxLength = Math.max(maxLength, right - left + 1);
                right++;
            } else {
                window.remove(s.charAt(left));
                left++;
            }
        }

        return maxLength;
    }

    public static void main(String[] args) {
        LongestSubstringWithoutRepeatingChars solution = new LongestSubstringWithoutRepeatingChars();
        System.out.println(solution.lengthOfLongestSubstring("abcabcbb")); // Output: 3
    }
}

3.2 滑动窗口最大值

给定一个数组 nums 和一个大小为 k 的窗口，找到每个滑动窗口中的最大值。

import java.util.ArrayDeque;
import java.util.Deque;

public class SlidingWindowMaximum {
    public int[] maxSlidingWindow(int[] nums, int k) {
        if (nums == null || nums.length == 0) return new int[0];
        int n = nums.length;
        int[] result = new int[n - k + 1];
        Deque<Integer> deque = new ArrayDeque<>();

        for (int i = 0; i < nums.length; i++) {
            // 移除窗口左侧已过期的元素
            if (!deque.isEmpty() && deque.peekFirst() < i - k + 1) {
                deque.pollFirst();
            }

            // 移除所有比当前元素小的元素，因为它们不会成为最大值
            while (!deque.isEmpty() && nums[deque.peekLast()] < nums[i]) {
                deque.pollLast();
            }

            deque.offerLast(i);

            // 当窗口达到大小 k 时，记录最大值
            if (i >= k - 1) {
                result[i - k + 1] = nums[deque.peekFirst()];
            }
        }

        return result;
    }

    public static void main(String[] args) {
        SlidingWindowMaximum solution = new SlidingWindowMaximum();
        int[] result = solution.maxSlidingWindow(new int[]{1,3,-1,-3,5,3,6,7}, 3);
        for (int r : result) {
            System.out.print(r + " ");
        }
        // Output: 3 3 5 5 6 7
    }
}