算法通关村——原来滑动窗口如此简单

滑动窗口

滑动窗口基本思想

滑动窗口本质上是一种“快慢型”的双指针。在计算机网络课程中，我们接触过滑动窗口协议(Sliding Window Protocol)，该协议是TCP实现流量控制等的核心策略之一。除此之外，在于流量控制、熔断、限流、超时等场景下都会首先从滑动窗口的角度来思考问题，例如hystrix、sentinel等框架都使用了这种思想。

滑动窗口的思想非常简单，如下图所示，假如窗口的大小是3，当不断有新数据来时，我们会维护一个大小为3的一个区间，超过3的就将新的放入老的一走。

这个过程有点像火车在铁轨上跑，原始数据可能保存在一个很大的空间里(铁轨)，但是我们标记的小区间就像一列长度固定的火车，一直向前走。

从上图可以看到，所谓窗口就是建立两个索引，left和right，并且保持{left,right}之间一共有3个元素，然后一边遍历序列，一边寻找。

• **窗口：**窗口其实就是两个变量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，那么自然要先确定窗口是否越界，再执行逻辑处理。如果不是固定的，就要先判断是否满足要求，再执行逻辑处理。

• **滑动：**说明这个窗口是移动的，事实上移动的仍然是left和right两个变量，而不是序列中的元素。当变量移动的时候，其中间的元素必然会发生变化，因此产生了不断滑动的效果。

• 窗口的大小不一定是固定的。

滑动窗口思想运用示例

子数组最大平均数

LeetCode643. 给定n个整数，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。

这是典型的滑动窗口，大小都规定了，就是K，那我们只要先读取k个，然后逐步让窗口向前走就可以了。

public static double findMaxAverage(int[] nums, int k) {
    int len = nums.length;
    int windowSum = 0;
    if (k > nums.length || nums.length < 1 || k < 1) {
        return 0;
    }
    // 第一步：先求第一个窗口的和
    for (int i = 0; i < k; i++) {
        windowSum += nums[i];
    }
    
    // 第二步：遍历，每次右边增加一个，左边减去一个，重新计算窗口最大值
    int res = windowSum;
    for (int right = k; right < len; right++) {
        windowSum += nums[right] - nums[right - k];
        res = Math.max(res, windowSum);
    }
    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，找到最大且连续递增的子序列，并返回该序列的长度。

这个也是运用了滑动窗口的思想，不过窗口的长度是变化的。

在遍历的时候，我们可以从第2个元素开始，先定义[left, right)的区间来表示当前的递增区间，执行如下操作：

• 如果当前遍历到的元素比它左边的那一个元素要严格大，right就增加；
• 否则就将left跳到right的起始位置，重新开始计算。

public static int findLengthOfLCIS(int[] nums) {
    int left = 0, right = 0;
    int res = 0;
    while(right < nums.length) {
        //右侧的新元素比左侧的小，则重新开始记录left位置
        if (right > 0 && nums[right - 1] >= nums[right]) {
            left = right;
        }
        right++;
        res = Math.max(res, right - left);
    }
    return res;
}

序列在[left, right)严格单调递增，区间的长度为right - left。