子串问题解析：从暴力枚举到滑动窗口优化

1. 子串问题概述

子串问题是算法面试中的高频考点，尤其在技术大厂的笔试面试中几乎必考。这类问题通常要求我们在一个主字符串或数组中，寻找满足特定条件的连续子序列。最常见的三类子串问题包括：求和为特定值的子数组、滑动窗口最大值以及最小覆盖子串。

在实际工程中，子串算法有着广泛的应用场景。比如在金融领域分析连续交易记录，在日志系统中查找特定模式的事件序列，或是在生物信息学中处理DNA序列匹配。掌握这些算法不仅能帮助通过技术面试，更能提升我们解决实际问题的能力。

2. 和为K的子数组问题解析

2.1 暴力枚举法实现

最直观的解法是使用双重循环枚举所有可能的子数组：

c复制int subarraySum(int* nums, int numsSize, int k) {
    int count = 0;
    for (int i = 0; i < numsSize; i++) {
        int sum = 0;
        for (int j = i; j < numsSize; j++) {
            sum += nums[j];
            if (sum == k) {
                count++;
            }
        }
    }
    return count;
}

这种方法虽然简单直接，但时间复杂度为O(n²)，当数组长度较大时（比如超过10⁴），性能会急剧下降。在实际面试中，面试官通常期望更优的解法。

注意：暴力解法在LeetCode上提交时，对于长度超过2×10⁴的测试用例会出现超时，这正说明了优化的重要性。

2.2 前缀和与哈希表优化

更高效的解法是利用前缀和配合哈希表，将时间复杂度优化到O(n)。其核心思想是：

1. 计算到每个位置的前缀和
2. 用哈希表记录每个前缀和出现的次数
3. 查找满足pre[j] = pre[i] - k的前缀和出现次数

java复制class Solution {
    public int subarraySum(int[] nums, int k) {
        Map<Integer, Integer> prefixSumCount = ne