徐小疼1. 双指针算法概述
双指针技巧是算法领域中一种常见且高效的解题方法，特别适用于处理数组和链表相关的问题。这种技巧通过维护两个指针（索引）来协同工作，通常能将时间复杂度从O(n²)优化到O(n)，显著提升算法效率。
双指针主要分为两大类：
- 快慢指针：两个指针同向移动但速度不同
- 左右指针：两个指针相向或背向移动
在实际应用中，双指针技巧能解决包括去重、元素移除、子串查找等多种问题，是算法面试中的高频考点。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 快慢指针详解与应用
2.1 基本工作原理
快慢指针的核心思想是使用两个指针以不同速度遍历数据结构。通常：
- 快指针(fast)负责探索新元素
- 慢指针(slow)负责维护有效数据边界
这种模式特别适合需要原地修改数组的问题，因为它能在不增加额外空间的情况下完成任务。
2.2 经典问题：有序数组去重
以LeetCode第26题为例，我们需要原地移除有序数组中的重复元素：
java复制public int removeDuplicates(int[] nums) {
if (nums.length == 0) return 0;
int slow = 0;
for (int fast = 1; fast < nums.length; fast++) {
if (nums[fast] != nums[slow]) {
slow++;
nums[slow] = nums[fast];
}
}
return slow + 1;
}
关键点解析：
- 初始化时slow和fast分别指向第一个和第二个元素
- 当fast遇到新元素时，先移动slow再赋值
- 最终返回slow+1作为新长度
注意：这种解法时间复杂度O(n)，空间复杂度O(1)，是处理有序数组去重的最优方案。
2.3 变体问题：移除指定元素
LeetCode第27题要求移除数组中所有等于给定值的元素：
python复制def removeElement(nums, val):
slow = 0
for fast in range(len(nums)):
if nums[fast] != val:
nums[slow] = nums[fast]
slow += 1
return slow
与去重问题的区别：
- 不再需要比较nums[fast]和nums[slow]
- 直接判断当前元素是否等于目标值即可
2.4 移动零问题
LeetCode第283题是前两个问题的综合应用：
java复制public void moveZeroes(int[] nums) {
int pos = 0;
for (int num : nums) {
if (num != 0) {
nums[pos++] = num;
}
}
while (pos < nums.length) {
nums[pos++] = 0;
}
}
优化技巧：
- 先用快慢指针移除所有零
- 然后在数组末尾补零
- 避免了频繁的元素交换操作
3. 左右指针的妙用
3.1 二分查找的实现
二分查找是左右指针的经典应用：
python复制def binary_search(nums, target):
left, right = 0, len(nums) - 1
while left <= right:
mid = (left + right) // 2
if nums[mid] == target:
return mid
elif nums[mid] < target:
left = mid + 1
else:
right = mid - 1
return -1
关键细节：
- 循环条件包含等号，确保单个元素情况被处理
- mid计算使用(left + right)//2防止溢出
- 每次迭代都将搜索范围减半
3.2 两数之和问题
LeetCode第167题要求在有序数组中找出和为目标值的两个数：
java复制public int[] twoSum(int[] numbers, int target) {
int left = 0, right = numbers.length - 1;
while (left < right) {
int sum = numbers[left] + numbers[right];
if (sum == target) {
return new int[]{left + 1, right + 1};
} else if (sum < target) {
left++;
} else {
right--;
}
}
return new int[]{-1, - 1};
}
算法分析：
- 时间复杂度：O(n)
- 空间复杂度：O(1)
- 利用了数组有序的特性，通过调整左右指针来逼近目标值
3.3 反转数组与字符串
左右指针可以高效实现数组/字符串的反转：
javascript复制function reverseString(s) {
let left = 0, right = s.length - 1;
while (left < right) {
[s[left], s[right]] = [s[right], s[left]];
left++;
right--;
}
return s;
}
特点：
- 每次交换首尾元素
- 直到指针相遇或交叉
- 时间复杂度O(n/2)，即O(n)
4. 滑动窗口技术
4.1 基本框架
滑动窗口是双指针的高级应用，适用于子串/子数组问题：
python复制def sliding_window(s):
left = right = 0
window = {}
while right < len(s):
# 扩大窗口
window[s[right]] = window.get(s[right], 0) + 1
right += 1
# 收缩窗口条件
while window_needs_shrink(left, right):
# 缩小窗口
window[s[left]] -= 1
if window[s[left]] == 0:
del window[s[left]]
left += 1
4.2 最长回文子串问题
LeetCode第5题要求找到字符串中的最长回文子串：
java复制public String longestPalindrome(String s) {
String res = "";
for (int i = 0; i < s.length(); i++) {
// 奇数长度回文
String s1 = expand(s, i, i);
// 偶数长度回文
String s2 = expand(s, i, i + 1);
res = res.length() > s1.length() ? res : s1;
res = res.length() > s2.length() ? res : s2;
}
return res;
}
private String expand(String s, int l, int r) {
while (l >= 0 && r < s.length() && s.charAt(l) == s.charAt(r)) {
l--;
r++;
}
return s.substring(l + 1, r);
}
核心思路：
- 中心扩展法：从每个字符向两边扩展
- 同时处理奇数和偶数长度回文
- 维护当前找到的最长回文
5. 常见问题与调试技巧
5.1 指针越界问题
双指针算法最常见的错误是指针越界。解决方法：
- 明确指针移动条件
- 在访问指针指向的值前检查边界
- 使用循环不变式保证指针有效性
5.2 特殊输入处理
总是考虑以下边界情况：
- 空数组/字符串
- 单元素情况
- 全相同元素
- 无解情况
5.3 调试技巧
- 打印指针位置和关键变量
- 使用小规模测试用例手动模拟
- 可视化工具辅助理解指针移动
- 单元测试覆盖各种边界情况
6. 性能优化建议
- 减少不必要的操作：在移动指针时避免重复计算
- 提前终止：当找到解或确定无解时及时退出循环
- 空间优化：优先考虑原地修改的方案
- 算法选择：根据数据特点选择最合适的双指针变体
7. 实际应用场景
双指针技巧在以下场景特别有效：
- 有序数据集的查找与处理
- 需要原地修改数据结构的场景
- 子串/子数组相关问题
- 链表中的环检测和交点查找
- 多序列合并或比较问题
掌握双指针技巧不仅能帮助解决特定算法问题，更能培养对线性数据结构的高效处理思维，是每个程序员算法工具箱中必备的技能。