本文主要是介绍专题二_滑动窗口_算法专题详细总结，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
目录
滑动窗口，引入：
滑动窗口，本质：就是同向双指针；
1.⻓度最⼩的⼦数组（medium）
1.解析：给我们一个数组nums，要我们找出最小子数组的和==target，首先想到的就是暴力解法
1）暴力：
2）优化，滑动窗口:
1.进窗口
2.出窗口
3.更新值
2.⽆重复字符的最⻓⼦串（medium）
1）仍然是暴力解法：
2）优化：
进窗口：hash[s[right]]++;
出窗口： while(hash[s[right]]>1) hash[s[left++]]--;
更新len: right-left+1;
3.最⼤连续1的个数III（medium）
1）暴力：
2）优化：
进窗口：if(nums[right]==0) _k++;
出窗口：while(_k>k) if(nums[left++]==0) _k--;
更新len：len=max(len,right-left+1);
总结：
4.将x减到0的最⼩操作数(medium)
解析：
1）暴力：
2）优化：小demo
进窗口：ret+=nums[right]
出窗口：while(ret>target) ret-=nums[left++]
更新len： if(ret==target) len=max(len,right-left+1);
总结：
5.⽔果成篮（medium）
解析：
1）暴力：
2）优化：
进窗口：if (hash[fruits[right]]++ == 0) k++; 只要遇到 没遇见种类的水果时，k才++出窗口：while (left < n && k > 2) if (--hash[fruits[left++]] == 0) k--; 当这种水果数量变成0了，也就说明这种水果不存在了，种类k-1更新len：len = max(len, right - left + 1);
总结：
6.找到字符串中所有字⺟异位词（medium）
解析：
1）.暴力：
2）.小优化：
大优化：
进窗口：if(++hash2[s[right]]<=hash1[s[right]]) count++;
//分为两步，先是hash2[s[right]]++,然后判断是不是小于等于hash1[s[right]]，是就说明，是一个有效字符
出窗口： if(right-left+1>n&&hash2[s[left]]--<=hash1[s[left++]]) count--;
判断减掉的这个 hash2[s[left]]--,是不是小于等于hash1[s[right]]，是就说明，是一个有效字符
更新left： if(count==n) ret.push_back(left);
总结：
7.串联所有单词的⼦串（hard）
解析：
1）.暴力
2）.优化：
进窗口：string str = s.substr(right, len); //进窗口 hash2[str]++; if(hash1.count(str) && hash2[str] <= hash1[str]) count++; //记录有效字符串的个数
出窗口：if(right - left + len > m * len) { string _str = s.substr(left, len); if(hash1.count(_str) && hash2[_str] <= hash1[_str]) count--; hash2[_str]--; left += len; }
更新left：if(count == m) ret.push_back(left);
总结：
8.最⼩覆盖⼦串（hard）
解析：
1）.暴力：
2）.优化：
进窗口： if (hash1.count(s[right]) && ++hash2[s[right]] == hash1[s[right]]) count++;
出窗口： while (len>m&&count == hash1.size()) { if (len>m&&len > right - left + 1) { len = right - left + 1; _left = left; } if (hash1.count(s[left]) && --hash2[s[left]] < hash1[s[left++]]) count--; while (left < n && hash2[s[left]] == 0) left++;//跳过非种类字符 }
更新len：if(len>n) return ""; return s.substr(_left, len);
滑动窗口，引入：
顾名思义，就是在同向双指针的条件下创建的一个窗口大小，让两个指针left 和 right 从左向右移动。
滑动窗口，本质：就是同向双指针；
当两个指针都可以做到不回退，都能同向进行的时候，就可以采用滑动窗口
怎么用，定义left=0，right=0，来进窗口，right++；出窗口的时候更新left++；知道right==n时结束
对于滑动窗口的效率提升，是利用数组的单调性，就比如要枚举left-right之间数字相加之和==target，那么sum+=nums[right] 到某个值后>target了，就不用继续加后面的值了，这样就不用枚举后面所有的情况，避免了很多没有必要的枚举
时间复杂度：代码可能是两层嵌套循环，但是实际上就只是right指针和left指针从左走到右，不回头的操作，那么就是最大时间复杂度也只是n+n次=2n 是O(N)级别
1.⻓度最⼩的⼦数组（medium）
题目的意思就是找出最短子数组的和==target ，这是最经典的滑动窗口的入门问题了，可以现在就动手解决一下，如果没明白再看解析。
1.解析：给我们一个数组nums，要我们找出最小子数组的和==target，首先想到的就是暴力解法
1）暴力：
就是从第一个元素开始进行相加，遍历后面的每一个元素，直到right移动到n-1的位置，left++，right回头重新开始遍历相加，然后遇到和sum==target的时候就更新len，最后返回最短的len，但是这种做法想都不用想，时间复杂度是O(N^2) 绝对会超时
2）优化，滑动窗口:
再讲滑动窗口做法前，我们要考虑为什么可以采用滑动窗口，为什么选择滑动窗口。
任何解法都是在暴力下来做优化，有了暴力的解法，我们可以看出，只要固定left ，让right++，使sum和>= target 我们就可以停止right的移动，因为right继续后移，sum继续加和，是没有意义的。所以，我们这个时候停止righ的移动，那么right要会退吗？
答案是不用，因为sum已经记录了left 到 right 之间的和，我们没有必要让right回退后重新计算之间数字的和，而是 sum-=nums[left] 然后left++；这样就又可以保证left移动后，并且到right之间的值里面被算出来。
这样我们能够发现，left 和 right 两个指针并没有进行回退，而是一直向前走，我们称这种同向的双指针，为 “滑动窗口” 。
所以直到right==n时就结束移动。这样在不满足边界条件的前提下进行跟新len 和 让left++。
class Solution {
public:int minSubArrayLen(int target, vector<int>& nums) {int n=nums.size();int len=INT_MAX,sum=0;for(int left=0,right=0;right<n;right++){//进窗口sum+=nums[right];//出窗口while(sum>=target){//为什么要先更新len，因为如果进来的条件是sum==target 那么就是要先更新最小值，最后在left++len=min(len,right-left+1);sum-=nums[left++];}}return len==INT_MAX?0:len;}
};通过上面，就已经可以分析出，“滑动窗口”系列就是：
1.进窗口
2.出窗口
3.更新值
2.⽆重复字符的最⻓⼦串（medium）
如果是按照leetcode顺序刷的话，有多少人都死在了这题上面，其实如果了解了“双指针”->"滑动窗口"的过度，能很简单解决这题！！！
解析：
1）仍然是暴力解法：
不含有重复字符，那么就考虑到从第一个元素开始遍历，存到一个字符串str里，如果遇到了重复字符，就回退right，让left++，在从头开始遍历，当然这样的O(N^2) 绝对会超时；
2）优化：
有暴力延伸出双指针，定义left 和 right 那么开始遍历的时候，right++，直到遇到重复的字符的时候，我们就让left++，直到跳过 跟s[right] 重复的同一个字符，
这时就可以写出，定义一个hash表来记录每个字符出现的次数，>2 就说明重复
进窗口：hash[s[right]]++;
出窗口： while(hash[s[right]]>1) hash[s[left++]]--;
更新len: right-left+1;
class Solution {
public:int lengthOfLongestSubstring(string s) {if(s.size()==1) return 1;unordered_map<char,int> hash;int n=s.size();int len=0;for(int left=0,right=0;right<n;right++){//进窗口hash[s[right]]++;//出窗口while(hash[s[right]]>1)hash[s[left++]]--;len=max(len,right-left+1);}return len;}
};总结：滑动窗口题目模板都大差不差，这题因为是考虑去掉重复字符，那么可以在每次循环结束都来判断最大的len，也不用在while里判断，因为可能回造成s字符串没有重复的字符，那么就进不去while
3.最⼤连续1的个数III（medium）
只要不对数组直接进行调整，移动什么的，其实都是比较简单的~ 因为下标都是固定的
解析：
1）暴力：
我在这题也卡了很久，暴力无非就是从第一个元素开始，遇到1，right++，遇到0，k--，直到k=0，然后更新len=right - left + 1；然后left++，right回头 重新遍历，重新跟新left，那么绝对超时O(N^2);
2）优化：
通过暴力看也看出，每次right走到k==0 的时候都要回头重新遍历，那么这么多次重新遍历都是无效的，我们只需要用len记录后，left++，直到越过一个0，k+=1，说明right就又可以往后移动到一个为0 的位置，当遇到第二个0的时候right停下来，我们就再次更新len，就可以得到最长的len
这里要说明的是，我们可以定义一个_k ,来记录遇到0的个数，当_k==k 的时候，right仍然可以向后移动，这点一定要想清楚，只要当_k>0 ，那么边界条件被打破，这个时候就要left++，当nums[left]==0 的话，移动过去后，_k--;
仍然是：
进窗口：if(nums[right]==0) _k++;
出窗口：while(_k>k) if(nums[left++]==0) _k--;
更新len：len=max(len,right-left+1);
class Solution {
public:int longestOnes(vector<int>& nums, int k) {int len=0;for(int left=0,right=0,_k=0;right<nums.size();right++){if(nums[right]==0) _k++;while(_k>k) if(nums[left++]==0) _k--;len=max(len,right-left+1);}return len;}
};总结：
滑动窗口，要从暴力推导到优化还是比较好想的，滑动窗口，是保证两个指针left跟right依次往前运动，不后退，保证了效率的提升，不用产生无用的操作。
这题就是1.先要保证进窗口，//进窗口，一定要在前面
if(nums[right]==0) _k++;
这个就是进窗口的条件，当nums[right]==0 _k++;
2.那么现在考虑出窗口，while(_k>k) 在这个循环条件里面进行出窗口，其实仔细一些，如果在_k==k 时出窗口是不完美的，你还要保证nums[right+1]这个时候也是等于0 的。所以条件过于复杂苛刻，不便于实现，那么在while里面进行出窗口实际上就是让left++ 只是多加了一个if在满足nums[left++]==0 的条件下，就_k-- 来实现出窗口，这样就又可以让right继续往后移动！！！
4.将x减到0的最⼩操作数(medium)
这里面藏着一个小demo ，如果想不上去，这题简直无脑到直逼困难题！！！没有人会一直写代码，列举所有左右的情况，然后去相减吧，题目的意思就有点牵着别人走了。
解析：
1）暴力：
暴力属实无脑，开始先减减左边，然后减减右边，可以用dfs+回溯来解决，但是压栈太多，题目数据大，肯定会爆，直到x被减为0，那么就返回被更新的次数，如果只是单纯的这么写，那简直不敢想代码量。
2）优化：小demo
我们可以看出，要用最小的操作来求出两边之和为x ， 那么逆向过来，是不是就是用最大的操作次数 求出的和==sum-x；
那么翻译过来后就明白了，是在数组里面找出最大操作次数的和==sum - x ，那么我们就令
target == sum - x ，那么这题就跟第一题一样了。
仍然是：
进窗口：ret+=nums[right]
出窗口：while(ret>target) ret-=nums[left++]
更新len： if(ret==target) len=max(len,right-left+1);
class Solution {
public:int minOperations(vector<int>& nums, int x) {int sum=0;for(auto e : nums) sum+=e;sum-=x;if(sum<0) return -1;int len=-1,ret=0;for(int left=0,right=0;right<nums.size();right++){//进窗口ret+=nums[right];//出窗口while(ret>sum) ret-=nums[left++];//更新lenif(ret==sum) len=max(len,right-left+1);}return len==-1?-1:nums.size()-len;}
};总结：
1.这题有很多关键点，如果只是按照题目要求来进行描写，x减一个左数，或减一个右数，实在是过于麻烦和复杂，时间复杂度绝对超时，那么就要逆向思维；
2.我们要求最短的操作数，那么就是在左右两个位置各找一堆数字的和正好是等于x的，加入所有数字和是sum，那么反过来的意思就是在这左右两堆数字中间的这堆数 之和正好是 sum - x 且要求他的长度是最长的，那么这个意思就立马变简单了，那么我们就可以采用滑动窗口，从最左边开始查找，一直找到最长串的数组和为sum - x 就能达到最好的目的，那么最后返回值就是nums.size()-len
3.细节问题：sum - x可能<0 那么就直接返回 -1
ret+=nums[right] 不用在乎ret < sum 的情况，因为while（）里面一定会进行解决ret>sum 的问题 最后就是ret == sum 要单独拿出来进行更新len值
5.⽔果成篮（medium）
这题相对来说，还是比较简单的，有了上面几题的经验之后，这题只需要记录水果的种类个数不超过2，就可以一直装水果，然后记录最长子数组个数。
题目意思就是最多只能装两个不同种类的水果，求最大子数组的长度。
解析：
1）暴力：
那么就设置两个指针，left和right，从头开始遍历，设置一个计数器k，直到right遍历到第三个种类的水果时，停止，这个时候跟新len 的长度，在让left++，right回头重新进行遍历，那么绝对会超时，O(N^2);
2）优化：
就是设置left和right 从头开始遍历，当right遍历到第三个种类的时候，就不用回退，只需要left++直接跳过一个种类的水果的时候，这个right就可以进行往前移动，然后重复上面的操作，就不停的更新len，就可以得到最大长度的len
仍然是：
进窗口：if (hash[fruits[right]]++ == 0) k++; 只要遇到 没遇见种类的水果时，k才++
出窗口：while (left < n && k > 2) if (--hash[fruits[left++]] == 0) k--; 当这种水果数量变成0了，也就说明这种水果不存在了，种类k-1
更新len：len = max(len, right - left + 1);
class Solution {
public:int totalFruit(vector<int>& fruits) {int len = 0;int n = fruits.size(), k = 0;unordered_map<int,int> hash;for (int left = 0, right = 0, tmp = 0; right < n; right++){//进窗口if (hash[fruits[right]]++ == 0) k++;//出窗口while (left < n && k > 2)if (--hash[fruits[left++]] == 0) k--;//更新lenlen = max(len, right - left + 1);}return len;
}
};总结：
滑动窗口，这一题就是在hash里面最多只能存放两种水果，
1.暴力，那么就是从第一个开始，依次加入水果，直到超过三个，就开始计算长度，left++ right在从头开始计算，想都不要想，这样的暴力绝对超时
2.优化：滑动窗口，因为考虑到，right走到第三种水果的时候，left就开始++，只需要减去最开始left 的这个水果，那么要设置一个计数器k，因为在最开始，我一直以为，hash减到0了hash.size() 就会变小，但其实不会，任然存在，并且也可以变成负数，所以要采用计数器k，if (hash[fruits[right]]++ == 0) k++;
存在新水果，k++；
if (--hash[fruits[left++]] == 0) k--;
超过水果个数k，那么就只要最开始left水果变成0，k就--，这样right就可以继续移动，
最后一直更新len的值就行
6.找到字符串中所有字⺟异位词（medium）
题目意思就是在s里找p，p的顺序是任意的，但是要包含所有字符，返回s里面所有满足条件的字符下标。没有思路的话，可以先试试暴力枚举：
解析：
1）.暴力：
暴力枚举其实也有难度，比如要先讲p排序，不然要列举出p的各种顺序肯，太复杂，对比不过来，然后设置str+=s[right]，长度len=right-left+1 == p.size(); 然后对str进行排序，在判断str==p? 如果等于就存入str的下标，否则就跳过，left和right都++；
2）.小优化：
用两个hash表来比较纯如的字符是否完全相等，如果是，就加入left；但是这样会有一个用例超时，说明还可以继续优化。
class Solution {
public:vector<int> findAnagrams(string s, string p) {int n=s.size(),m=p.size();unordered_map<char,int> hash1;for(auto e : p) hash1[e]++;unordered_map<char,int> hash2;vector<int> v;for(int left=0,right=0;right<n;right++){hash2[s[right]]++;while(right-left+1>m) hash2[s[left++]]--;//判断两个字符数组是否相等if(hash1.count(s[right])){int f=0;for(int i=0;i<m;i++){if(hash2[p[i]]!=hash1[p[i]]){f=1;break;}}if(f==0) v.push_back(left);}}return v;}
};大优化：
其实对于暴力解，要排序str，p 时间复杂度都是很高的代价，并且，每个字串str都要进行判断，真的太无效了，比如明知道str=“bae” p="abc",明知道二者不可能相等，还非要去比较，那这样显得太呆了，所有我们就要设置一个计数器count 来记录在这个固定的滑动窗口里面 有多少个有效的字符。
因为前面题目都是不固定长的窗口大小，这里是固定长的窗口大小，所以，我们出窗口的条件就跟前面题目不一样，这里只需要count==p.size() 就说明有效字符已经达到，加入left就ok，然后就可以进行出窗口。
所以还是比较简单的，复杂一点的位置和细节，就是要判断有效字符的个数count
进窗口：if(++hash2[s[right]]<=hash1[s[right]]) count++;
//分为两步，先是hash2[s[right]]++,然后判断是不是小于等于hash1[s[right]]，是就说明，是一个有效字符
出窗口： if(right-left+1>n&&hash2[s[left]]--<=hash1[s[left++]]) count--;
判断减掉的这个 hash2[s[left]]--,是不是小于等于hash1[s[right]]，是就说明，是一个有效字符
更新left： if(count==n) ret.push_back(left);
class Solution {
public:vector<int> findAnagrams(string s, string p) {int m=s.size(),n=p.size();unordered_map<char,int> hash1; for(auto e : p) hash1[e]++; unordered_map<char,int> hash2;int count=0;vector<int> ret;for(int left=0,right=0;right<m;right++){//进窗口if(++hash2[s[right]]<=hash1[s[right]]) count++;//出窗口if(right-left+1>n&&hash2[s[left]]--<=hash1[s[left++]]) count--;//更新leftif(count==n) ret.push_back(left);}return ret;}
};总结：
1.这题很难，首先就是考虑暴力求解问题，对于字符串s里面找p的异位词，就是分别设置两个指针，left和right，从最左边开始找，每次right-left+1==p.size()的时候就判断这个字串是不是跟p的异位词相同，可以考虑把他门都存在两个hash数组中，进行判断，字符出现的次数是不是完全相同，这是暴力，每次当righe-left+1==p.size() 的时候，那么当right++，这个时候left就也要++，每次就重新判断right从left位置开始，重新把数组清空，在重复上面步骤进行比较。
2.就是对于right-left+1==p.size()的时候，进行比较，这个时候不用right回退，只需要left++，right++，也不用清空hash2表，只需要删除hash2[s[left++]]--,并且hash2[[right]]++,让left指针前进就行，相当于增加一个，删除一个字符，这就是典型的滑动窗口，left和right都不会回退，一直向前 ,并且满足进窗口，当right-left+1>m 的时候让left++，在出窗口即可。可是这样时间复杂度还是很高
3.那么就考虑用count计数器来记录有效字符的个数，每次只记录有效字符的个数，当 if(++hash2[s[right]]<=hash1[s[right]]) count++;
，减也是，只有减去的是有效字符，count才--
if(right-left+1>m) if(hash2[s[left]]--<=hash1[s[left++]]) count--;
并且只在right-left+1>m 超过这个范围的时候，才发生，那么每次只需要判断，有效字符个数达到p.size()的时候才就可以增加数据
7.串联所有单词的⼦串（hard）
这一题，简直就是跟上一题找异位词，百分之99都一样，所以一定要弄懂上一题。
题目意思任然是要在words中的每个单词都以任意顺序组合，然后再s里面找到这种组合的字串，返回所有满足条件的下标。
解析：
1）.暴力
就是设置两个指针，left 和 right 然后往后判断，left 到 right 这个区间的字符串是不是能够等于words组合成的顺序，显然，这是绝对不可取的，要进行优化。
2）.优化：
小demo，看到这种任意组合的字符串，我们不可能无序的组合，然后在s里面找字串去进行对比，这肯定不可取，那么我们就要跟上题大优化一样，设置计数器count 来记录有效字符串的个数，这样就可以很方便的进行记录。
可以看出，我们只需要讲words里面的字符串设置成a,b这种字符，因为words里面单词的长度都是相等的，那么设置int m=words[0].size() 来表示s里面假设的一个字符的长度，就比如string str=s.substr(left,m);就将str比作是一个字符。那么每次right+=m.left+=m 实际上每次都是跳过m个字符，然后也是设计一个count来计数，当这个str是有效字符的时候count++，设置_str，满足有效字符的时候就left+=m,出窗口。具体更上一题一模一样。
进窗口：string str = s.substr(right, len);
//进窗口
hash2[str]++;
if(hash1.count(str) && hash2[str] <= hash1[str]) count++; //记录有效字符串的个数
出窗口：if(right - left + len > m * len)
{
string _str = s.substr(left, len);
if(hash1.count(_str) && hash2[_str] <= hash1[_str]) count--;
hash2[_str]--;
left += len;
}
更新left：if(count == m) ret.push_back(left);
class Solution {
public:vector<int> findSubstring(string s, vector<string>& words) {int n = s.size(), m = words.size(), len = words[0].size();unordered_map<string, int> hash1; for(auto& e : words) hash1[e]++;vector<int> ret;for(int i = 0; i < len; i++){unordered_map<string, int> hash2;for(int left = i, right = i, count = 0; right + len <= n; right += len){string str = s.substr(right, len);//进窗口hash2[str]++;if(hash1.count(str) && hash2[str] <= hash1[str]) count++;//出窗口 固定的滑动窗口if(right - left + len > m * len) {string _str = s.substr(left, len);if(hash1.count(_str) && hash2[_str] <= hash1[_str]) count--;hash2[_str]--;left += len;}if(count == m) ret.push_back(left);}}return ret;}
};总结：
跟上一题固定滑动窗口大小简直一模一样，不一样的就是上一题是滑动字符大小，这次是滑动字符串大小；
1.任然是设置两个hash表进行存入字符串，用count来记录有效字符串的个数
2.区别就是在进窗口的时候要设置str=s.substr(right,m);
在出窗口的时候设置_str=s.substr(left,m);3.优化，就是要对hash1里面是否存在str 和 _str 进行判断，这样可以减少查询时间
8.最⼩覆盖⼦串（hard）
经过上面那么多题的磨练，这题是我为数不多的自信题，调试了两个小时第一次自己解决一道困难题，其实相对来说还是比较简单的。
题目意思就是找到最小字串，要涵盖t中的全部字符，可以重复包含。
解析：
1）.暴力：
任何优化都是通过暴力推导的，所以暴力真的很重要。
暴力就是无脑遍历s，找到字符串长度要大于等于t.size() 然后进行比较，如果包含全部t的字符，就记录长度len，直到求出最短长度。肯定会超时，而且暴力不好实现，所以还是要优化。
2）.优化：
那么还是双指针问题，只要right++，判断有一个有效字符，那么count++，直到包含所有的字符，就开始更新len，但是！！！有很多细节问题，比如：
1).在len 比 s.size() 还要长，明显就是没有进入该条件判断，只能返回空串
2).在执行一次后 可能存在 s="bba" t="ab" 这种情况，那么必须要保证 left继续++，所以这个判断应该在while里面判断才行，这样count 的种类数没有减少，说明字串任然可以减少，
3.存在s="aa" t="aa" 说明 可能会加入一个a count就满足种类达标了，那么并不能就这样返回值，所以还要判断只有在len>t.size()的时候才可以采取，否则就未达标。
进窗口：
if (hash1.count(s[right]) && ++hash2[s[right]] == hash1[s[right]]) count++;
出窗口： while (len>m&&count == hash1.size())
{
if (len>m&&len > right - left + 1)
{
len = right - left + 1;
_left = left;
}
if (hash1.count(s[left]) && --hash2[s[left]] < hash1[s[left++]]) count--;
while (left < n && hash2[s[left]] == 0) left++;//跳过非种类字符
}
更新len：if(len>n) return "";
return s.substr(_left, len);
class Solution {
public:string minWindow(string s, string t) {int n = s.size(), m = t.size();if (n < m) return "";unordered_map<char, int> hash1; for (auto e : t) hash1[e]++;unordered_map<char, int> hash2;int _left = 0, len = INT_MAX;int left = 0, right = 0;while (right < n && hash1.count(s[right]) == 0) right++, left++;if (left >= n || right >= n) return "";int count = 0;//记录种类for (right; right < n; right++){//进窗口if (hash1.count(s[right]) && ++hash2[s[right]] == hash1[s[right]]) count++;//出窗口while (len>m&&count == hash1.size()){if (len>m&&len > right - left + 1){len = right - left + 1;_left = left;}if (hash1.count(s[left]) && --hash2[s[left]] < hash1[s[left++]]) count--;while (left < n && hash2[s[left]] == 0) left++;//跳过非种类字符}}if(len>n) return "";return s.substr(_left, len);
}
};因子都是成对出现的，那么我们就只需要在for里面判断 x*x < n 那么就判断是否有一个m%x==0 那么当x>k 就满足，另一个因子就是 m / x > k 就也会满足。
总结一下，“滑动窗口”问题其实也就是模板问题，只要能明白“该问题是同向的双指针问题”，那么就可以往滑动窗口靠，就是“查找子数组”，就分三大点：进窗口_出窗口_更新len！！！
我觉得我自己的进步挺大的，希望对你也有帮助哦！~
这篇关于专题二_滑动窗口_算法专题详细总结的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
