算法通关村——原来滑动窗口如此简单

滑动串口在很多地方都有运用，比如滑动窗口协议（Sliding Window Protocol）

而且滑动窗口就是快慢双指针的一个有特殊情况，所以不要把他想的太过于复杂，合理对待即可

LeetCode643 Easy

class Solution {
    public double findMaxAverage(int[] nums, int k) {
        int len = nums.length;
        int widowSum = 0;
        if (len < 1 || k < 1 || k > len) {
            return 0;
        }
        for (int i = 0; i < k; i++) {
            widowSum += nums[i];
        }

        int res = widowSum;
        for (int right = k; right < len; right++) {
            widowSum = widowSum + nums[right] - nums[right - k];
            res = Math.max(widowSum, res);
        }
        return (double) res / k;
    }
}

674. 最长连续递增序列 Easy

示意图片

class Solution {
    public int findLengthOfLCIS(int[] nums) {
        // 定义两个指针
        int left = 0, right = 0;
        int lens = nums.length;
        int res = 0;
        while (right < lens) {
            if (right > 0 && nums[right - 1] >= nums[right]) {
                left = right;
            }
            right++;
            res = Math.max(res, right - left);
        }
        return res;
    }   
}

上面代码中，序列在【left…right】 严格单调递增，区间的长度为right - left。
本题还有多种解法，另外一种简易的思路是一边遍历，一边统计每个递增区间的长度，如果长度超过之前所有区间的长度，就将其保留，代码如下：

class Solution {
    public int findLengthOfLCIS(int[] nums) {
        int curLen = 1;//当前连续递增区间的长度
        int res = 1;
        for (int i = 1; i < nums.length; i++) {
            if (nums[i - 1] >= nums[i]) {
                //不满足要求，重新开始计数
                curLen = 1;
            } else {
                curLen++;
            }
            res = Math.max(curLen, res);
        }
        return res;
    }
}

总结：

在实际问题中，窗口大小不一定是固定的，我们可以思考两种场景：

1. 固定窗口的滑动就是火车行驶这种大小不变的移动 。
2. 可变的窗口就像两个老师带着一队学生外出，一个负责开路，一个负责断后，中间则是小朋友。两位老师之间的距离可能有时大有时小，但是整体窗口是不断滑动的。

根据窗口大小是否固定，可以造出两种类型的题：

1. 如果是固定的，则一般会让你求哪个窗口的元素最大、最小、平均值、和最大、和最小等等类型的问题。
2. 如果窗口是变的，则一般会让你求一个序列里最大、最小窗口是什么等等。最大值又和堆有关系