双指针算法详解：原理、应用与高频题型

1. 双指针算法核心思想解析

双指针技术是算法领域最基础也最高频的解题范式之一，尤其在处理线性数据结构时展现出惊人的效率。这种技术的本质是通过两个指针变量（索引变量）的协同移动来降低问题的时间复杂度，通常能将O(n²)的暴力解法优化到O(n)级别。

在实际编码面试中，约30%的数组/链表类题目都可以用双指针思路解决。我整理出双指针最常见的三种工作模式：

同向快慢指针：常用于链表环检测、数组去重等场景。快指针负责探索新元素，慢指针维护有效数据边界。例如在有序数组去重时，慢指针始终指向最后一个不重复元素，快指针扫描后续元素，发现新元素时慢指针才移动并更新值。

相向对撞指针：适用于有序数组的两数之和、三数之和等问题。一个指针从起点出发，另一个从终点出发，根据当前计算结果决定移动哪个指针。这种模式能有效避免暴力枚举带来的冗余计算。

滑动窗口指针：主要用于子串/子数组问题。通过维护一个动态变化的窗口（由左右指针界定），在遍历过程中调整窗口大小以满足特定条件。这种模式在字符串匹配、最小覆盖子串等问题中表现优异。

关键理解：双指针不是独立算法，而是一种通过指针运动规律来优化遍历效率的编程思想。其核心优势在于减少了不必要的重复计算。

2. 高频双指针题型深度剖析

2.1 有序数组的两数之和（LeetCode 167）

这是双指针最经典的入门题：给定升序排列的整数数组numbers，找出两个数使它们的和等于目标值target。题目保证存在唯一解。

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++;  // 和太小，左指针右移增大数值
        } else {
            right--; // 和太大，右指针左移减小数值
        }
    }
    return new int[]{-1, -1};
}

复杂度分析：时间复杂度O(n)，空间复杂度O(1)。相比哈希表解法，双指针无需额外空间，且能利用数组有序的特性。

易错点：

1. 指针移动条件判断错误（应严格根据当前sum与target的关系决定移动方向）
2. 忽略题目要求的1-based索引（需要返回left+1和right+1）
3. 未处理无解情况（虽然题目保证有解，但实际编码应考虑防御性处理）

2.2 三数之和（LeetCode 15）

进阶版的两数之和问题：找出数组中所有和为0的三元组，且不能包含重复组合。这是面试最高频的题目之一。

java复制public List<List<Integer>> threeSum(int[] nums) {
    Arrays.sort(nums); // 必须先排序
    List<List<Integer>> res = new ArrayList<>();
    for (int i = 0; i < nums.length - 2; i++) {
        if (i > 0 && nums[i] == nums[i - 1]) continue; // 跳过重复元素
        int left = i + 1, right = nums.length - 1;
        while (left < right) {
            int sum = nums[i] + nums[left] + nums[right];
            if (sum == 0) {
                res.add(Arrays.asList(nums[i], nums[left], nums[right]));