滑动窗口算法思路

目录

• 滑动窗口算法思路
  • 适用范围
  • 算法思想
  • 总结

滑动窗口算法思路

适用范围

• 一般是字符串或者列表
• 一般是要求最值（最大长度，最短长度等等）或者连续的子序列

算法思想

• 在序列中使用双指针中的左右指针技巧，初始化 left = right = 0，把索引闭区间 [left, right] 称为一个窗口。
• 先不断地增加 right 指针扩大窗口 [left, right]，直到窗口中的序列符合要求。
• 此时，停止增加 right，转而不断增加 left 指针缩小窗口 [left, right]，直到窗口中的序列不再符合要求。同时，每次增加 left前，都要更新一轮结果。
• 重复第 2 和第 3 步，直到 right 到达序列的尽头。
  思路其实很简单：第 2 步相当于在寻找一个可行解，然后第 3 步在优化这个可行解，最终找到最优解。左右指针轮流前进，窗口大小增增减减，窗口不断向右滑动。

例如：力扣题目链接

给定一个含有 n 个正整数的数组和一个正整数 s ，找出该数组中满足其和 ≥ s 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。

示例：

输入：s = 7, nums = [2,3,1,2,4,3] 输出：2 解释：子数组 [4,3] 是该条件下的长度最小的子数组

解题代码（Java）：

class Solution {

    // 滑动窗口
    public int minSubArrayLen(int s, int[] nums) {
        int left = 0;
        int sum = 0;
        int result = Integer.MAX_VALUE;
        for (int right = 0; right < nums.length; right++) {
            sum += nums[right];
            while (sum >= s) {
                result = Math.min(result, right - left + 1);
                //left++体现出滑动窗口的精髓之处，不断变更i（子序列的起始位置）
                sum -= nums[left++];
            }
        }
        return result == Integer.MAX_VALUE ? 0 : result;
    }
}

int result = Integer.MAX_VALUE;
//如果这个地方大家想不到，其实也可以改成 result = nums.length+1

总结

遇到关于求最值的连续子序列可以使用滑动窗口
遇到去重的最值子串（子连续序列）等问题都可以使用滑动窗口。