二分查找与滑动窗口算法实战解析

1. 算法题解核心思路剖析

最近在LeetCode上刷题时，我发现几道看似不同但实则存在内在联系的题目。这些题目涵盖了二分查找、滑动窗口等经典算法技巧，非常适合用来训练算法思维。今天我就来详细拆解这些题目的解题思路，分享一些实战中的心得体会。

2. 供暖器问题（475. Heaters）

2.1 问题描述与直观理解

供暖器问题要求我们找到能够覆盖所有房屋的最小加热半径。给定房屋和供暖器的位置数组，我们需要确定一个最小的半径，使得每个房屋都能被至少一个供暖器覆盖。

这个问题可以转化为：对于每个房屋，找到离它最近的供暖器，然后所有房屋的这个最小距离中的最大值就是我们需要的结果。

2.2 排序与双指针解法

最直接的解法是先对两个数组排序，然后用双指针遍历：

1. 对houses和heaters数组进行排序
2. 初始化指针i和j，分别指向houses和heaters的起始位置
3. 对于每个房屋，找到离它最近的左右两个供暖器
4. 取这两个距离中的较小值作为该房屋的覆盖半径
5. 最终结果是所有房屋覆盖半径的最大值

时间复杂度分析：排序需要O(mlogm + nlogn)，遍历需要O(m+n)，因此总时间复杂度为O(mlogm + nlogn)。

2.3 二分查找优化思路

这个问题也可以使用二分查找来解决：

1. 先对heaters排序
2. 对于每个house，用二分查找找到最近的heater
3. 记录所有house的最小覆盖距离的最大值

这种方法的优势在于当houses数量远大于heaters时效率更高。

3. 爱吃香蕉的狒狒（LCR 073. 狒狒吃香蕉）

3.1 问题转化与理解

这道题要求我们找到狒狒吃香蕉的最小速度K，使得它能在H小时内吃完所有香蕉。关键在于理解：

• 吃香蕉的速度K越大，所需时间越少
• 我们需要找到满足time <= H的最小K值

3.2 二分答案法的应用

这是一个典型的"二分答案"问题：

1. 确定搜索范围：最小速度是1，最大速度是max(piles)
2. 对于每个中间值mid，计算吃完所有香蕉需要的时间
3. 如果时间<=H，尝试更小的速度；否则尝试更大的速度

实现时需要注意：

• 计算时间时要对每堆香蕉取上界
• 终止条件是left <= right

3.3 时间复杂度分析

二分查找的时间复杂度是O(log(max(piles)))，每次计算需要O(n)时间，因此总时间复杂度为O(nlog(max(piles)))。

4. 分割数组的最大值（410. Split Array Largest Sum）

4.1 问题本质分析

这道题要求将数组分成m个连续子数组，使得这些子数组和的最大值最小。这实际上也是一个"最小化最大值"的问题，与狒狒吃香蕉问题类似。

4.2 二分答案法的再次应用

我们可以使用类似的二分法：

1. 确定搜索范围：左边界是数组最大值，右边界是数组总和
2. 对于每个中间值mid，计算可以将数组分成多少个子数组
3. 如果子数组数量<=m，尝试更小的mid；否则尝试更大的mid

4.3 贪心验证函数

关键在于如何计算给定mid值时的子数组数量：

1. 初始化当前和与计数器
2. 遍历数组，累加元素
3. 当和超过mid时，分割数组并重置当前和
4. 最后返回分割数量

5. 无重复字符的最长子串（3. Longest Substring Without Repeating Characters）

5.1 滑动窗口基本思想

这道题要求找到不含重复字符的最长子串长度。滑动窗口是解决这类子串问题的利器。

基本思路：

1. 使用哈希集合记录窗口中的字符
2. 维护左右指针表示窗口边界
3. 当遇到重复字符时，移动左指针直到消除重复

5.2 优化实现细节

实际编码时需要注意：

• 可以直接用哈希表记录字符及其索引，这样遇到重复时可以快速移动左指针
• 窗口大小是right-left+1
• 时间复杂度为O(n)，空间复杂度为O(min(m,n))，其中m是字符集大小

6. 长度最小的子数组（209. Minimum Size Subarray Sum）

6.1 滑动窗口的变种应用

这道题要求找到和≥target的最短连续子数组。虽然也是滑动窗口，但与前一题有所不同：

• 窗口扩展条件：当前和<target
• 窗口收缩条件：当前和≥target

6.2 实现要点

关键实现细节：

1. 初始化窗口左右边界和当前和
2. 移动右边界扩展窗口，累加元素
3. 当和≥target时，尝试移动左边界缩小窗口
4. 记录满足条件的最小窗口大小

7. 存在重复元素系列问题

7.1 存在重复元素II（219. Contains Duplicate II）

这道题要求判断是否存在两个相同元素，其索引差不超过k。

解法思路：

1. 使用哈希表记录元素及其最近出现的位置
2. 遍历数组，检查当前元素是否在哈希表中且索引差≤k
3. 更新哈希表中当前元素的位置

7.2 存在重复元素III（220. Contains Duplicate III）

这道题更复杂，要求判断是否存在两个元素，其值差≤t且索引差≤k。

解法思路：

1. 使用滑动窗口维护大小为k的窗口
2. 对于每个元素，检查窗口中是否存在值在[x-t, x+t]范围内的元素
3. 可以使用TreeSet等数据结构高效查询

8. 算法技巧总结与实战心得

8.1 二分查找的应用场景

二分查找不仅适用于有序数组查找，还适用于"最小化最大值"或"最大化最小值"这类问题。关键点：

• 确定搜索范围
• 设计验证函数
• 处理边界条件

8.2 滑动窗口的变种

滑动窗口适用于子串/子数组问题，常见变种：

• 固定大小窗口
• 可变大小窗口（如最长无重复子串）
• 带条件窗口（如最小和子数组）

8.3 实战编码技巧

在实现这些算法时，我发现以下技巧很有帮助：

1. 先写出暴力解法，再考虑优化
2. 画图辅助理解窗口移动过程
3. 使用合适的数据结构（如哈希表、TreeSet）
4. 注意边界条件处理（如空输入、单个元素等）

在实际面试中，解释清楚思路比直接写代码更重要。建议先说明算法选择理由，再逐步实现。对于二分查找问题，要特别注意终止条件和中间值计算，避免死循环。