双指针算法与单调性原理详解及应用场景

1. 双指针算法与单调性原理剖析

双指针算法作为算法竞赛和工程实践中的常青树，其核心在于通过两个指针的协同移动来降低问题的时间复杂度。单调性这一特性在双指针应用中扮演着关键角色——它保证了指针移动方向的确定性，使得我们能够避免回溯操作。在实际编码面试中，约30%的数组/链表类问题都可以通过双指针结合单调性特性高效解决。

理解单调性需要把握三个关键维度：

1. 数据结构的固有排序特性（如已排序数组）
2. 问题本身的约束条件（如子数组和必须满足某种单调变化）
3. 指针移动过程中维持的不变式（invariant）

以经典的两数之和为例，当数组有序时，左右指针的移动方向完全由当前和与目标值的大小关系决定。这种确定性正是单调性带来的优势——每次比较后我们都能明确知道应该移动哪个指针，而不需要尝试所有可能性。

2. 单调性双指针的典型应用场景

2.1 有序数组的搜索问题

对于已排序数组，双指针能实现O(n)时间复杂度的搜索。例如在"三数之和"问题中：

python复制def threeSum(nums):
    nums.sort()
    res = []
    for i in range(len(nums)-2):
        if i > 0 and nums[i] == nums[i-1]:
            continue
        l, r = i+1, len(nums)-1
        while l < r:
            s = nums[i] + nums[l] + nums[r]
            if s < 0:
                l += 1
            elif s > 0:
                r -= 1
            else:
                res.append([nums[i], nums[l], nums[r]])
                while l < r and nums[l] == nums[l+1]:
                    l += 1
                while l < r and nums[r] == nums[r-1]:
                    r -= 1
                l += 1
                r -= 1
    return res

关键点：数组排序后，当三数之和小于目标值时，只需移动左指针增大和值；反之移动右指针。这种单调性避免了O(n³)的暴力枚举。

2.2 滑动窗口极值问题

当问题涉及寻找满足特定条件的子数组时，单调性双指针可以高效维护滑动窗口。例如"长度最小的子数组"：

python复制def minSubArrayLen(target, nums):
    l = total = 0
    res = float('inf')
    for r in range(len(nums)):
        total += nums[r]
        while total >= target:
            res = min(res, r - l + 1)
            tota