超基础算法：滑动窗口

简介

滑动窗口，简单来说，就是以动态的边界限定的一组元素。其中边界限定的大小称为窗口大小，边界变化的幅度称为滑动步长。

滑动窗口的应用场景有几个特点：

1.  需要输出或比较的结果在原数据结构中是连续排列的；
2.  每次窗口滑动时，只需观察窗口两端元素的变化，无论窗口多长，每次只操作两个头尾元素，当用到的窗口比较长时，可以显著减少操作次数；
3.  窗口内元素的整体性比较强，窗口滑动可以只通过操作头尾两个位置的变化实现，但对比结果时往往要用到窗口中所有元素。

举例

如下图表示的是一个窗口大小为5，滑动步长为1的滑动窗口。

窗口一的左边界为1，右边界为5，包含1~5这五个元素。

当下一时刻，窗口整体向右滑动1，此时左边界为2，右边界为6，包含2~6这五个元素。

再下一时刻，窗口整体向右滑动1，此时左边界为3，右边界为7，包含3~7这五个元素。。。

补充：窗口的大小其实是不固定的，也就是说，当右边界向右滑动1时，左边界可以滑动1，也可以不滑动，还可以滑动任何大于0且小于窗口大小的值（如果大于窗口大小，就超过右边界了）。

应用

以下是一道力扣中的原题：

209. 长度最小的子数组

给定一个含有 n 个正整数的数组和一个正整数 s ，找出该数组中满足其和 ≥ s 的长度最小的连续子数组，并返回其长度。如果不存在符合条件的连续子数组，返回 0。

示例: 

输入: s = 7, nums = [2,3,1,2,4,3]
输出: 2
解释: 子数组 [4,3] 是该条件下的长度最小的连续子数组

解：

class Solution {
    public int minSubArrayLen(int s, int[] nums) {
        int leftPoint = 0;
        int rightPoint = 0;
        int sum = 0 ;
        int result = Integer.MAX_VALUE;
        //当右指针小于数组的最大程度
        while (rightPoint=s){
                //更新result的值
                result = Math.min(rightPoint-leftPoint,result)
                //去除左边界的元素，如果仍然满足sum>=s的条件，则会再次判断，否则右指针向右滑动
                sum = sum-nums[leftPoint];
                leftPoint++;
            }
            rightPoint++;
        }
        return result == Integer.MAX_VALUE ? 0 : result+1;
    }
}

通常队列这种数据类型非常适合滑动窗口，但是代码中使用了双指针来表示窗口的左右边界。

1. 先将右指针向右滑动，左指针不动，当左右指针表示的窗口中所有元素的sum值满足条件，则更新满足条件的最小窗口大小，并尝试将左指针也向右移动。
2. 左指针向右移动后，再次判断是否仍然满足条件，如果仍然满足，则重复第二步。
3. 直到不满足条件时，继续第一步的操作。
4. 最后返回result。