AI summary
type
status
date
slug
summary
category
tags
icon
password
关于双指针的快慢指针和左右指针的用法，可以参见前文 双指针技巧秒杀七道数组题目，本文就解决一类最难掌握的双指针技巧：滑动窗口技巧。并总结出一套框架，可以保你闭着眼睛都能写出正确的解法。
滑动窗口算法技巧主要用来解决子数组问题，比如让你寻找符合某个条件的最长/最短子数组。
如果用暴力解的话，你需要嵌套 for 循环这样穷举所有子数组，时间复杂度是 。
滑动窗口算法技巧的思路也不难，就是维护一个窗口，不断滑动，然后更新答案，该算法的大致逻辑如下：
基于滑动窗口算法框架写出的代码，时间复杂度是 O(N)，比嵌套 for 循环的暴力解法效率高。
肯定有读者要问了，你这个滑动窗口框架不也用了一个嵌套 while 循环？为啥复杂度是 O(N) 呢？
简单说，指针 left, right 不会回退（它们的值只增不减），所以字符串/数组中的每个元素都只会进入窗口一次，然后被移出窗口一次，不会说有某些元素多次进入和离开窗口，所以算法的时间复杂度就和字符串/数组的长度成正比。
滑动窗口并不能穷举出所有子串。要想穷举出所有子串，必须用那个嵌套 for 循环。
然而对于某些题目，并不需要穷举所有子串，就能找到题目想要的答案。滑动窗口就是这种场景下的一套算法模板，帮你对穷举过程进行剪枝优化，避免冗余计算。

76. 最小覆盖子串

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 "" 。
注意：
  • 对于 t 中重复字符，我们寻找的子字符串中该字符数量必须不少于 t 中该字符数量。
  • 如果 s 中存在这样的子串，我们保证它是唯一的答案。
进阶：你能设计一个在 o(m+n) 时间内解决此问题的算法吗？
滑动窗口算法的思路是这样：
1、我们在字符串 S 中使用双指针中的左右指针技巧，初始化 left = right = 0，把索引左闭右开区间 [left, right) 称为一个「窗口」。
为什么要「左闭右开」区间？方便边界处理。
2、我们先不断地增加 right 指针扩大窗口 [left, right)，直到窗口中的字符串符合要求（包含了 T 中的所有字符）。
3、此时，我们停止增加 right，转而不断增加 left 指针缩小窗口 [left, right)，直到窗口中的字符串不再符合要求（不包含 T 中的所有字符了）。同时，每次增加 left，我们都要更新一轮结果。
4、重复第 2 和第 3 步，直到 right 到达字符串 S 的尽头。
这个思路其实也不难，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，也就是最短的覆盖子串。左右指针轮流前进，窗口大小增增减减，就好像一条毛毛虫，一伸一缩，不断向右滑动，这就是「滑动窗口」这个名字的来历。
算法过程如下图：
notion image
https://assets.leetcode-cn.com/solution-static/76/76_fig1.gif （Notion-Next 的图片视频等文件好像显示出 bug 了，放个链接在这）
代码如下：
更新答案的部分 if right - left < length: 为什么不能放到第二层 while 外面，缩到最小再更新，节省时间？
因为要保证 valid == len(need) 才能更新答案，如果放外面，那么在第一次扩窗口时 length 会被赋 0，显然不行。
使用 Java 的读者请注意：
对 Java 包装类进行比较时要尤为小心，Integer，String 等类型应该用 equals 方法判定相等，而不能直接用等号 ==，否则会出错。所以在缩小窗口更新数据的时候，不能直接写为 window.get(d) == need.get(d)，而要用 window.get(d).equals(need.get(d))

567. 字符串的排列

给你两个字符串 s1 和 s2 ，写一个函数来判断 s2 是否包含 s1 的排列。如果是，返回 true ；否则，返回 false 。
换句话说，s1 的排列之一是 s2 的 子串 。
这种题目，是明显的滑动窗口算法，相当给你一个 S 和一个 T，请问你 S 中是否存在一个子串，包含 T 中所有字符且不包含其他字符？
与上一题的区别在于窗口内的子串不能包含多余的字符，因此窗口的大小可以固定为 len(s2) ，所以缩小窗口的 while 可以换成 if，因为除了第一次外，每次都是扩一格，缩一格。

438. 找到字符串中所有字母异位词

给定两个字符串 s 和 p，找到 s 中所有 p 的 异位词 的子串，返回这些子串的起始索引。不考虑答案输出的顺序。
异位词 指由相同字母重排列形成的字符串（包括相同的字符串）。
这个所谓的字母异位词，不就是排列吗，搞个高端的说法就能糊弄人了吗？相当于，输入一个串 S，一个串 T，找到 S 中所有 T 的排列，返回它们的起始索引。
和上一题基本一模一样，只是有多解，秒了：

3. 无重复字符的最长子串

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。
这个题终于有了点新意，不是一套框架就出答案，不过反而更简单了，need 都不需要了，稍微改一改框架就行了：
这里和之前不一样，要在收缩窗口完成后更新 res，因为窗口收缩的 while 条件是存在重复元素，换句话说收缩完成后一定保证窗口中没有重复嘛。