滑动窗口算法（尺取法）原理与应用详解

1. 为什么我们需要尺取法（滑动窗口算法）

第一次听到"尺取法"这个名词时，我也是一头雾水。直到看到它的另一个名字——滑动窗口算法，才恍然大悟。这个算法就像一把可以伸缩的尺子，在数组或序列上滑动，通过动态调整窗口的左右边界[l, r]来高效解决问题。

1.1 从实际问题看暴力解法的局限

让我们通过洛谷P1147这道经典题目来理解尺取法的价值。题目要求找出所有连续自然数段，使其和等于给定的正整数M。比如M=10000时，1998到2002这五个连续数的和正好是10000。

最直观的暴力解法是：

1. 枚举所有可能的区间起点l
2. 对于每个l，枚举所有可能的终点r（r>l）
3. 计算区间[l,r]的和，判断是否等于M

这种解法的时间复杂度高达O(m³)。即使使用前缀和优化，也只能降到O(m²)。当M达到2,000,000时，这样的效率显然无法接受。

1.2 数学分析揭示优化空间

通过数学分析可以发现，对于连续自然数序列：

• 最大右边界r不超过(m+1)/2
• 子区间数量级为O(m²)

这意味着我们需要一种更聪明的方法来避免不必要的计算。这正是尺取法大显身手的地方。

2. 尺取法的核心原理与特性

2.1 滑动窗口的基本思想

尺取法的核心在于维护一个动态变化的窗口，通过调整左右边界来高效搜索解空间。其关键特性包括：

1. 窗口初始化：通常从序列起点开始，l=r=1
2. 窗口移动规则：
   • 当当前和小于目标值时，右移r扩大窗口
   • 当当前和大于目标值时，右移l缩小窗口
   • 当等于目标值时，记录解并继续搜索

2.2 单调性保证效率

尺取法高效的关键在于序列的单调性。对于连续自然数序列：

• 扩大窗口（增加r）必然增大和
• 缩小窗口（增加l）必然减小和

这种单调性确保了：

• 不需要回溯已经检查过的区间
• 每个元素最多被访问两次（进入和离开窗口）
• 时间复杂度从O(m²)降至O(m)

2.3 算法可视化演示

以M=10为例，看看尺取法的实际工作过程：

1. 初始状态：[1] → sum=1 <10
2. 扩大窗口：[1,2] → sum=3 <10
3. 继续扩大：[1,2,3] → sum=6 <10
4. 继续扩大：[1,2,3,4] →