滑动窗口算法：高效解决连续子序列问题

原创于 2026-08-02 15:31:48 发布 · 378 阅读

2 ·

本内容遵循CC 4.0 BY-SA版权协议

GEO检测

收录于

Java 基础

1. 尺取法（滑动窗口）算法概述

尺取法（Two Pointers Technique），又称滑动窗口算法，是一种在有序数组或链表中高效查找目标区间的算法技巧。这个形象的名称来源于其工作方式——就像用一把可以伸缩的尺子在数据序列上滑动测量，通过调整左右指针的位置来寻找满足条件的区间。

我第一次接触这个算法是在处理一个字符串子串问题时，当时暴力解法的时间复杂度高达O(n²)，而改用尺取法后直接优化到了O(n)。这种性能提升让我印象深刻，从此它就成了我解决区间类问题的首选工具。

2. 核心原理与适用场景

2.1 算法工作原理

尺取法的核心在于维护一个动态变化的窗口（通常由左右两个指针定义），通过有规律地移动这两个指针来寻找最优解。具体来说：

初始化左右指针（通常left=right=0）
移动右指针扩大窗口，直到满足特定条件
移动左指针缩小窗口，寻找最优解
重复2-3步骤直到遍历完整个序列

这种策略之所以高效，是因为它避免了重复计算——每次窗口滑动时，我们只需要处理新增和移除的元素，而不是重新计算整个窗口。

2.2 典型应用场景

尺取法特别适合解决以下几类问题：

寻找满足条件的最短/最长连续子数组
计算满足特定和的子数组数量
字符串中的子串匹配问题（如最小覆盖子串）
去重或统计类问题

提示：当问题涉及"连续子序列"且需要优化时间复杂度时，就应该考虑尺取法了。

3. 算法实现详解

3.1 基础模板代码

以下是一个标准的尺取法Python实现模板：

def sliding_window(nums, target):
    left = 0
    result = 0  # 或其他初始值
    current_sum = 0  # 或其他需要维护的变量
    
    for right in range(len(nums)):
        # 更新窗口状态（通常是添加nums[right]）
        current_sum += nums[right]
        
        # 当满足某个条件时，调整左边界
        while current_sum > target:  # 条件根据具体问题变化
            # 更新窗口状态（通常是移除nums[left]）
            current_sum -= nums[left]
            left += 1
        
        # 在这里更新最终结果
        result = max(result, right - left + 1)  # 或其他计算方式
    
    return result

3.2 关键参数解析

在实现尺取法时，有几个关键参数需要特别注意：

窗口状态变量 ：如current_sum，用于实时跟踪窗口内的状态
边界移动条件 ：决定何时移动左/右指针的关键判断
结果更新时机 ：在何处以及如何更新最终结果

3.3 复杂度分析

尺取法的典型时间复杂度为O(n)，因为每个元素最多被访问两次（被右指针和左指针各访问一次）。空间复杂度通常是O(1)，因为我们只需要维护几个指针和状态变量。

4. 实战案例解析

4.1 案例一：最小覆盖子串

这是LeetCode第76题，要求找到字符串s中包含字符串t所有字符的最短子串。使用尺取法的解决方案：

from collections import defaultdict

def minWindow(s: str, t: str) -> str:
    need = defaultdict(int)
    for c in t:
        need[c] += 1
    
    left = 0
    missing = len(t)
    result = (0, float('inf'))
    
    for right, char in enumerate(s):
        if need[char] > 0:
            missing -= 1
        need[char] -= 1
        
        if missing == 0:
            while left < right and need[s[left]] < 0:
                need[s[left]] += 1
                left += 1
            
            if right - left < result[1] - result[0]:
                result = (left, right)
            
            need[s[left]] += 1
            missing += 1
            left += 1
    
    return s[result[0]:result[1]+1] if result[1] != float('inf') else ""

4.2 案例二：长度最小的子数组

LeetCode第209题，给定一个正整数数组和一个正整数s，找出满足其和≥s的长度最小的连续子数组：

def minSubArrayLen(s: int, nums: List[int]) -> int:
    left = 0
    current_sum = 0
    min_length = float('inf')
    
    for right in range(len(nums)):
        current_sum += nums[right]
        
        while current_sum >= s:
            min_length = min(min_length, right - left + 1)
            current_sum -= nums[left]
            left += 1
    
    return min_length if min_length != float('inf') else 0