滑动窗口算法（Sliding Window）
一、详细讲解
A、一句话总结
滑动窗口算法是一种通过维护一个动态窗口来解决问题的技巧，窗口在数据上“滑动”，逐步找到最优解。
B、核心思想
想象你在看一列火车，火车窗口只能看到一部分车厢。滑动窗口算法就是通过调整窗口的起点和终点，找到你感兴趣的部分（比如最长的连续车厢、最短的覆盖范围等）。
C、适用场景
滑动窗口算法通常用于解决以下问题：
- 子数组/子字符串问题：比如找最长的无重复字符子串、最短的覆盖子串等。
- 连续区间问题：比如找满足条件的连续子数组。
- 优化问题：比如在固定窗口大小内找最大值、最小值或平均值。
D、滑动窗口的两种类型
1. 固定大小的窗口
- 窗口大小固定，比如每次只看连续的 3 个元素。
- 例子：计算数组中每个长度为 k 的子数组的平均值。
2. 可变大小的窗口
- 窗口大小不固定，根据条件动态调整。
- 例子：找最长的无重复字符子串。
E、滑动窗口的基本步骤
-
初始化窗口：
- 定义窗口的起点（
left）和终点（right），通常初始化为 0。 - 定义一些辅助变量（比如当前窗口的和、最大值、最小值等）。
- 定义窗口的起点（
-
滑动窗口：
- 移动右边界（
right），扩大窗口，直到满足某个条件。 - 移动左边界（
left），缩小窗口，直到不满足条件。 - 在滑动过程中，记录需要的结果（比如最大长度、最小长度等）。
- 移动右边界（
-
返回结果：
- 根据滑动过程中记录的结果，返回最终答案。
F、关键特点
- 高效：通过滑动窗口，避免了重复计算，时间复杂度通常为 (O(n))。
- 灵活：适用于多种问题，尤其是需要处理连续区间的问题。
- 双指针：滑动窗口通常用双指针（
left和right）来实现。
G、举个实际例子
问题：找最长的无重复字符子串
- 比如字符串
"abcabcbb"，最长的无重复字符子串是"abc"，长度为 3。 - 滑动窗口的过程：
- 初始化窗口：
left = 0，right = 0。 - 移动
right，直到遇到重复字符（比如'a'重复）。 - 移动
left，缩小窗口，直到重复字符被排除。 - 重复上述过程，记录最大长度。
- 初始化窗口：
H、滑动窗口的优缺点
优点
- 时间复杂度低，通常为 (O(n))。
- 代码简洁，逻辑清晰。
- 适用于多种连续区间问题。
缺点
- 需要仔细设计窗口的移动规则。
- 对非连续区间问题不适用。
I、时间复杂度和空间复杂度
- 时间复杂度：通常为 (O(n))，因为每个元素最多被访问两次（
left和right各一次）。 - 空间复杂度：通常为 (O(1)) 或 (O(n))，取决于是否需要额外的数据结构（比如哈希表）。
J、实际应用场景
- 字符串处理：比如找最长的无重复字符子串、最短的覆盖子串。
- 数组处理：比如找满足条件的连续子数组、固定大小的滑动窗口最大值。
- 数据分析：比如计算滑动窗口内的平均值、最大值、最小值。
K、总结
滑动窗口算法就像“望远镜”，通过调整窗口的大小和位置，找到你感兴趣的部分。它的核心是双指针和动态调整窗口，适合解决连续区间问题，既高效又灵活！
二、滑动窗口算法示例：找最长的无重复字符子串
A、问题描述
给定一个字符串，找出其中不含有重复字符的最长子串的长度。
示例
输入："abcabcbb"
输出：3
解释：最长的无重复字符子串是 "abc"，长度为 3。
B、滑动窗口算法实现
核心思路
- 使用双指针
left和right表示窗口的左右边界。 - 使用哈希集合（
set）记录窗口内的字符，确保无重复。 - 移动
right扩大窗口，如果遇到重复字符，则移动left缩小窗口。 - 在滑动过程中，记录窗口的最大长度。
C、分步图示演示
以下是对字符串 "abcabcbb" 的分步演示：
初始状态
字符串：a b c a b c b b
索引： 0 1 2 3 4 5 6 7
窗口：[]
left = 0, right = 0
最大长度：0
步骤 1：right = 0，字符 ‘a’
- 字符 ‘a’ 不在集合中，加入集合。
- 更新窗口：
[a] - 更新最大长度：1
窗口：[a]
left = 0, right = 0
最大长度：1
步骤 2：right = 1，字符 ‘b’
- 字符 ‘b’ 不在集合中，加入集合。
- 更新窗口：
[a, b] - 更新最大长度：2
窗口：[a, b]
left = 0, right = 1
最大长度：2
步骤 3：right = 2，字符 ‘c’
- 字符 ‘c’ 不在集合中，加入集合。
- 更新窗口：
[a, b, c] - 更新最大长度：3
窗口：[a, b, c]
left = 0, right = 2
最大长度：3
步骤 4：right = 3，字符 ‘a’
- 字符 ‘a’ 已经在集合中，需要移动
left。 - 移动
left到 1，移除字符 ‘a’。 - 更新窗口：
[b, c, a] - 最大长度保持不变：3
窗口：[b, c, a]
left = 1, right = 3
最大长度：3
步骤 5：right = 4，字符 ‘b’
- 字符 ‘b’ 已经在集合中，需要移动
left。 - 移动
left到 2，移除字符 ‘b’。 - 更新窗口：
[c, a, b] - 最大长度保持不变：3
窗口：[c, a, b]
left = 2, right = 4
最大长度：3
步骤 6：right = 5，字符 ‘c’
- 字符 ‘c’ 已经在集合中，需要移动
left。 - 移动
left到 3，移除字符 ‘c’。 - 更新窗口：
[a, b, c] - 最大长度保持不变：3
窗口：[a, b, c]
left = 3, right = 5
最大长度：3
步骤 7：right = 6，字符 ‘b’
- 字符 ‘b’ 已经在集合中，需要移动
left。 - 移动
left到 5，移除字符 ‘a’ 和 ‘b’。 - 更新窗口：
[c, b] - 最大长度保持不变：3
窗口：[c, b]
left = 5, right = 6
最大长度：3
步骤 8：right = 7，字符 ‘b’
- 字符 ‘b’ 已经在集合中，需要移动
left。 - 移动
left到 7，移除字符 ‘c’ 和 ‘b’。 - 更新窗口：
[b] - 最大长度保持不变：3
窗口：[b]
left = 7, right = 7
最大长度：3
D、最终结果
遍历结束后，最大长度为 3，对应的子串是 "abc"。
E、Python3 代码实现
def longest_substring_without_repeating_characters(s):left = 0 # 窗口左边界max_length = 0 # 最大长度char_set = set() # 记录窗口内的字符for right in range(len(s)):while s[right] in char_set: # 如果字符重复，移动左边界char_set.remove(s[left])left += 1char_set.add(s[right]) # 将当前字符加入集合max_length = max(max_length, right - left + 1) # 更新最大长度return max_length# 示例
s = "abcabcbb"
print("最长无重复字符子串的长度:", longest_substring_without_repeating_characters(s))
F、总结
通过滑动窗口算法，我们可以高效地找到最长的无重复字符子串。滑动窗口的核心是双指针和动态调整窗口，适合解决连续区间问题。希望这个示例和图解对你有帮助！
© 著作权归作者所有
