滑动窗口算法：原理、实现与优化技巧

1. 滑动窗口算法基础概念

滑动窗口算法（Sliding Window）是一种在数组或字符串处理中常用的优化技术。它通过维护一个大小可变或固定的"窗口"，在数据序列上滑动这个窗口来避免重复计算，从而降低时间复杂度。我第一次接触这个算法是在处理大规模日志分析时，当时需要从TB级数据中快速找出异常时间段，滑动窗口帮我将时间复杂度从O(n²)优化到了O(n)。

窗口通常由两个指针表示：

• 左指针（left）：标记窗口的起始位置
• 右指针（right）：标记窗口的结束位置

这种算法的精妙之处在于，它能够利用问题的特定性质（如单调性、子串特征等）来避免不必要的计算。比如在解决"无重复字符的最长子串"问题时，当遇到重复字符，我们可以直接移动左指针到重复字符的下一个位置，而不是重新开始计算。

2. 滑动窗口的两种典型模式

2.1 固定大小窗口

固定窗口大小的滑动窗口通常用于解决需要计算连续子数组/子串的统计量问题。比如计算大小为k的子数组的平均值：

java复制public double[] findAverages(int[] arr, int k) {
    double[] result = new double[arr.length - k + 1];
    double windowSum = 0;
    int windowStart = 0;
    
    for (int windowEnd = 0; windowEnd < arr.length; windowEnd++) {
        windowSum += arr[windowEnd]; // 累加右侧新元素
        
        if (windowEnd >= k - 1) { // 窗口达到指定大小
            result[windowStart] = windowSum / k;
            windowSum -= arr[windowStart]; // 减去左侧即将移出的元素
            windowStart++; // 移动窗口左边界
        }
    }
    return result;
}

关键点：窗口大小固定时，右指针每次移动都要检查窗口是否达到要求大小，同时要记得在移动左指针时从和中减去左侧元素值。

2.2 可变大小窗口

可变窗口更常见于寻找满足特定条件的最优子数组/子串问题。典型问题如"最小覆盖子串"：

java复制public String minWindow(String s, String t) {
    Map<Character, Integer> need = new HashMap<>();
    for (char c : t.toCharArray()) {
        need.put(c, need.getOrDefault(c, 0) + 1);
    }
    
    int left = 0, right = 0;
    int valid = 0;
    int start = 0, len = Integer.MAX_VALUE;
    Map<Character, Integer> window = new HashMap<>();
    
    while (right < s.length()) {
        char c = s.charAt(right);
        right++;
        if (need.containsKey(c)) {
            window.put(c, window.getOrDefault(c, 0) + 1);
            if (window.get(c).equals(need.get(c))) {
                valid++;
            }
        }
        
        while (valid == need.size()) {
            if (right - left < len) {
                start = left;
                len = right - left;
            }
            char d = s.charAt(left);
            left++;
            if (need.containsKey(d)) {
                if (window.get(d).equals(need.get(d))) {
                    valid--;
                }
                window.put(d, window.get(d) - 1);
            }
        }
    }
    return len == Integer.MAX_VALUE ? "" : s.substring(start, start + len);
}

实现要点：使用valid变量记录当前窗口中满足条件的字符数量，当valid等于需要的字符种类数时，开始收缩左边界寻找最小窗口。

3. 滑动窗口算法的Java实现细节

3.1 边界条件处理

在实际编码中，边界条件的处理往往是bug的高发区。以下是一些常见情况的处理方式：

1. 空输入处理：

java复制if (nums == null || nums.length == 0) {
    return 0; // 或其他默认值
}

2. 窗口大小大于数组长度：

java复制if (k > nums.length) {
    // 根据问题要求返回：
    // - 可能返回整个数组的统计量
    // - 可能返回空结果
    // - 可能抛出异常
}

3. 右指针到达末尾时的处理：

java复制while (right < s.length()) {
    // 常规处理...