数据结构与算法（2）——滑动窗口

1. 滑动窗口的定义与特点

定义：滑动窗口就是用左右指针来标记窗口的左右边界，然后左右指针移动就形成了窗口的滑动。

特点：从滑动窗口的定义来看，滑动窗口只能解决连续子串的问题，即窗口内的元素在位置上是连续的。

2. 滑动窗口的解题思路

滑动窗口没有固定的解题模板，需要根据情况灵活变动。（多刷题来掌握）

滑动窗口必须需要两个指针，然后需要一些辅助工具，比如可能需要哈希表（即Python中的dict，用于标记元素位置）或者集合（即Python中的set，用于标记元素是否存在）或者最大（小）堆（又可称为优先队列，创建一个列表，然后使用heapq库进行自动最小堆排序）

3. LeetCode中的滑动窗口题

3. 无重复字符的最长子串

简评：此题为动态滑窗问题，需要用到一个哈希表（或者集合，因为不需要记录元素出现的次数）来标记元素是否存在。

30. 串联所有单词的子串

简评：此题为固定滑窗问题，着重注意使用两个哈希表。

76. 最小覆盖子串

简评：此题为动态滑窗问题，使用一个哈希表记录字符出现的频数，然后对这一个哈希表进行维护，初始时哈希表中为t中各字符出现的频数，然后开始移动窗口的右指针，窗口内每多一个哈希表中的字符，频数就-1，直到所有的频数都为非正数，就开始移动左指针，找到第一个能使哈希表中某一字符的频数为1的情况，此时就为当前包含t的最小滑窗（但不一定是最终答案），记录下来，接着开始移动右指针。

209. 长度最小的子数组

简评：此题为动态滑窗问题，较为简单，只需要使用左右指针和一个变量用于累加即可。中间还有一个小trick，使得不需要设置标记变量flag就能够实现“不存在符合条件的子数组”的判断

239. 滑动窗口最大值

简评：此题为固定滑窗问题，主要是巧妙地使用最大堆（注意heapq只能进行最小堆排序）或者使用单调队列来维护窗口内的最大值。

567. 字符串的排列

简评：此题为固定滑窗问题，使用Python中的字典（或者更直接地使用collections.Counter()）来记录窗口中字符出现的次数，只要与s1中字符出现的次数一致，即为True，如果找不到，则为False。

632. 最小区间

简评：此题不是显式的滑窗问题，如果用到题目中所给的非递减排列，那么用最小堆+贪心策略是时间复杂度最低的做法。如果用滑动窗口+哈希表，时间复杂度较高，且没有用到非递减排列这一题目特点，此题用滑动窗口需要构造一个新字典，然后转换为类似于 [76. 最小覆盖子串] 的题目。