滑动窗口算法：高效解决子串子数组问题

1. 滑动窗口算法基础解析

滑动窗口算法是处理字符串和数组问题的经典技巧，特别适合解决子串、子数组相关的查找问题。它的核心思想是通过维护一个动态变化的窗口，在遍历过程中高效地更新和检查窗口内的数据。

1.1 算法原理与适用场景

滑动窗口算法通过两个指针（通常称为左指针和右指针）来定义窗口的边界。右指针负责扩展窗口，左指针负责收缩窗口，通过这种动态调整来寻找满足特定条件的子区间。

这种算法特别适合以下场景：

• 需要查找满足某种条件的连续子区间
• 暴力解法时间复杂度在O(n²)以上的问题
• 可以通过局部更新而非全局重新计算来维护窗口状态的问题

滑动窗口算法通常能将时间复杂度从暴力解法的O(n²)优化到O(n)，因为它避免了不必要的重复计算。在字符串处理中，这种优势尤为明显。

1.2 两种基本模式

滑动窗口算法有两种基本实现模式：

1. 可变长度窗口：窗口大小在运行过程中会发生变化，如"无重复字符的最长子串"问题。这种模式下：

   • 右指针每次迭代都向右移动
   • 左指针根据特定条件（如出现重复字符）向右移动
   • 需要实时记录窗口的最大/最小值

2. 固定长度窗口：窗口大小保持不变，如"找到字符串中所有字母异位词"问题。这种模式下：

   • 左右指针同步移动
   • 窗口大小等于目标子串长度
   • 每次移动只需处理进出的元素，无需重新计算整个窗口

2. 无重复字符的最长子串实现详解

2.1 问题分析与解法选择

题目要求找出字符串中不包含重复字符的最长子串的长度。暴力解法是检查所有可能的子串，时间复杂度为O(n²)，显然不够高效。

滑动窗口是更优的选择，因为：

1. 子串必须是连续的（符合窗口特性）
2. 可以通过哈希集合快速判断重复
3. 窗口调整时只需处理边界变化，无需重新检查整个子串

2.2 核心实现步骤

实现这个算法需要以下几个关键步骤：

1. 初始化：创建哈希集合存储窗口字符，初始化左右指针和结果变量
2. 右指针扩展：每次迭代将右指针字符加入集合
3. 重复检测与处理：如果发现重复字符，移动左指针直到消除重复
4. 更新结果：每次调整窗口后记录最大长度

关键点：哈希集合的contains()和add()操作