前言
滑动窗口，可以称为固定间距的双指针（快慢指针＋固定步长）
由于它自己独特的性质，所以专门拿出来探讨（双指针指路）
应用场景：数组，字符串
先上东哥（https://labuladong.gitee.io/algo/）的模板（对于模板，可能会限制你的思维，但有时在你突然没有思路的时候有很有帮助）
/* 滑动窗口算法框架 */
void slidingWindow(string s) {
HashMap<Character, Integer> window; // hashmap一般用来判断窗口内的字符是否有重复
int left = 0, right = 0;
while (right < s.length()) {
// c 是将移入窗口的字符
char c = s.charAt(right);
// 增大窗口
right++;
// 进行窗口内数据的一系列更新
...
/*** debug 输出的位置 ***/
// 在最终的解法代码中不要输出，因为 IO 操作很耗时，可能导致超时
System.out.println("window:"+"["+left+","+right+"]");
/********************/
// 判断左侧窗口是否要收缩
while (window needs shrink) {
// d 是将移出窗口的字符
char d = s.charAt(left);
// 缩小窗口
left++;
// 进行窗口内数据的一系列更新
...
}
}
}
开撸
1.lc209 长度最小的数组
在数组篇已经介绍过，链接
2.lc643 子数组最大平均数I
描述：
给你一个由 n 个元素组成的整数数组 nums 和一个整数 k 。
请你找出平均数最大且 长度为 k 的连续子数组，并输出该最大平均数
示例：
输入：nums = [1,12,-5,-6,50,3], k = 4
输出：12.75
Solution：
窗口大小固定，直接模拟即可（不需要模板）
public double findMaxAverage(int[] nums, int k) {
int sum = 0;
for(int i=0;i<k;i++)
{
sum += nums[i];
}
int resSum = sum;
for(int i=0,j=i+k ; j < nums.length ; i++,j++)
{
sum -= nums[i];
sum += nums[j];
resSum = sum>resSum?sum:resSum;
}
return (double)resSum/k;
}
3.lc3 无重复字符的最长子串
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
示例：
输入: s = “abcabcbb”
输出: 3
Solution：
(也是滑动窗口，看到重复要想到哈希表啊！)
public int lengthOfLongestSubstring1(String s) {
HashSet<Character> hashset = new HashSet<>();
int resLen = 0; // 设置初始最长字符串长度为0
// 设置左右指针
for(int left=0,right=0;right<s.length();left++)
{
// 如果不重复，就添加到哈希表中
while(right<s.length() && !hashset.contains(s.charAt(right)) )
{
hashset.add(s.charAt(right));
right++;
}
// 循环结束，就代表遇到了重复的，所以移除最开始的字母
hashset.remove(s.charAt(left));
// 记录此时的长度（此时right已经指向下一重复字符，所以长度直接r-l）
resLen = Math.max((right-left),resLen);
}
return resLen;
}
4.1695. 删除子数组的最大得分
描述：
题目有点复杂，简单点说，给你一个正整数数组 nums ，求累加和最大的无重复元素的连续子数组，返回其累加和的值
示例：
输入：nums = [4,2,4,5,6]
输出：17
Solution:
(和lc3几乎一样，就多一个求和)
public int maximumUniqueSubarray(int[] nums) {
HashSet<Integer> hashset = new HashSet<>();
int resSum=0; // 记录最终的和
int sum = 0; // 记录临时（每一次）的和
int len = nums.length;
for(int i=0,j=0;j<len;i++)
{
// 第一次循环不用剔除最开始的数
if(i!=0)
sum -= nums[i-1];
while( j<len && !hashset.contains(nums[j]) )
{
hashset.add(nums[j]);
sum+=nums[j++];
}
resSum = Math.max(sum, resSum);
hashset.remove(nums[i]);
}
return resSum;
}
5. lc76 最小覆盖字串
描述：
给你一个字符串 s 、一个字符串 t 。返回 s 中涵盖 t 所有字符的最小子串。如果 s 中不存在涵盖 t 所有字符的子串，则返回空字符串 “”
示例：
输入：s = “ADOBECODEBANC”, t = “ABC”
输出：“BANC”
Solution：
public static String minWindow(String s, String t) {
//1.维护两个map记录窗口中的符合条件的字符以及need的字符
Map<Character,Integer> window = new HashMap<>();
Map<Character,Integer> need = new HashMap<>();
// 先将字符串t中的字符存入need哈希表中
for(int i=0;i<t.length();i++)
{
char ch = t.charAt(i);
need.put(ch,need.getOrDefault(ch,0)+1);
}
int left = 0,right = 0; // 左右双指针
//count记录当前窗口中符合need要求的字符的数量,当count == need.size()时即可shrik窗口
int count = 0;
int start = 0; //start表示符合最优解的substring的起始位序
int len = Integer.MAX_VALUE; //len用来记录最终窗口的长度，并且以len作比较
//一次遍历找“可行解”
while(right < s.length()){
//更新窗口
char c = s.charAt(right);
right++; //窗口扩大
if(need.containsKey(c)){
window.put(c,window.getOrDefault(c,0)+1);
// 当前窗口拥有的字符及对应的数量和need一样时，count就加1
if(need.get(c).equals(window.get(c))){
count++;
}
}
//收缩窗口，找符合条件的最优解
while(count == need.size()){
// 找到最短len，并记录此时的开始索引start
if(right - left < len){
len = right - left;
start = left;
}
//更新窗口——这段代码逻辑几乎完全同上面的更新窗口
char d = s.charAt(left);
left++; //左指针右移，窗口缩小
if(need.containsKey(d)){
// 注意这里和上面的顺序
if(need.get(d).equals(window.get(d))){
count--;
}
window.put(d,window.get(d)-1);
}
}
}
return len == Integer.MAX_VALUE ? "" : s.substring(start,start+len);
}