算法14，滑动窗口，找到字符串中所有字母异位词

从您上传的图片中，我看到核心内容是滑动窗口算法在字符串问题中的应用 ，具体问题是**"找到字符串中所有字母异位词"**。以下是针对该问题的完整解析和答案：

问题描述

给定两个字符串 s和 p，在 s中找到所有是 p的字母异位词的子串，返回这些子串的起始索引（顺序任意）。

字母异位词 ：由相同字母重排形成的字符串，包括 p本身。
示例：s = "cbaebabacd", p = "abc"，应返回 [0, 6]（因为以索引0开始的 "cba"和以索引6开始的 "bac"都是 "abc"的异位词）。

算法原理与思路

1. 暴力法（低效，不推荐）

枚举 s中所有长度为 m（p的长度）的子串，判断每个子串是否为 p的异位词。
判断方法：用哈希表统计子串和 p的字符频次，比较是否一致。
时间复杂度：O(n × m)，效率低。

2. 优化：滑动窗口 + 哈希表（推荐）

核心思想 ：用固定长度的窗口在 s上滑动，用数组（或哈希表）动态维护窗口内字符频次，与 p的频次对比，避免重复计算。
为什么用数组 ：如果字符串只包含小写字母，可用长度26的数组代替哈希表，下标 index = ch - 'a'，提升效率。
步骤：
1. 统计 p的字符频次，存入数组 hash1（长度26）。
2. 用另一个数组 hash2统计滑动窗口内字符频次。
3. 使用双指针 left和 right表示窗口左右边界，初始化 left = 0。
4. 遍历 s（right从0到n-1）：
  - 进窗口 ：将 s[right]加入 hash2，并更新有效字符计数 count。
  - 判断窗口大小 ：当窗口长度 right - left + 1 > m时，需要收缩窗口（left++）。
  - 出窗口 ：移动 left前，从 hash2中移除 s[left]，并更新 count。
  - 更新结果 ：当 count == m时，说明当前窗口是 p的异位词，记录 left。
有效字符计数 count的作用：
- 当窗口内某个字符的频次不超过 p中该字符的频次时，视作有效字符，count++。
- 这样可以用 count == m快速判断窗口是否匹配，无需遍历整个 hash2比较。

代码实现（Java）

参考图片中的代码片段，以下是完整实现：

复制代码

import java.util.ArrayList;
import java.util.List;

public class Solution {
    public List<Integer> findAnagrams(String s, String p) {
        List<Integer> result = new ArrayList<>();
        if (s == null || p == null || s.length() < p.length()) {
            return result;
        }
        
        int n = s.length();
        int m = p.length();
        
        // 统计p的字符频次
        int[] hash1 = new int[26];
        for (char ch : p.toCharArray()) {
            hash1[ch - 'a']++;
        }
        
        // 滑动窗口的字符频次
        int[] hash2 = new int[26];
        int count = 0; // 有效字符计数
        int left = 0;
        
        for (int right = 0; right < n; right++) {
            // 1. 进窗口：当前字符s[right]
            char in = s.charAt(right);
            hash2[in - 'a']++;
            if (hash2[in - 'a'] <= hash1[in - 'a']) {
                count++; // 是有效字符
            }
            
            // 2. 判断窗口大小是否超过m
            if (right - left + 1 > m) {
                char out = s.charAt(left);
                // 出窗口前，如果out是有效字符，则count--
                if (hash2[out - 'a'] <= hash1[out - 'a']) {
                    count--;
                }
                hash2[out - 'a']--; // 移除字符
                left++; // 左指针右移
            }
            
            // 3. 更新结果：当有效字符数等于m时，记录起始索引left
            if (count == m) {
                result.add(left);
            }
        }
        
        return result;
    }
}

时间复杂度与空间复杂度

时间复杂度 ：O(n)，其中 n 是字符串 s的长度。每个字符最多进入和离开窗口各一次，操作是 O(1)。
空间复杂度：O(1)，因为哈希数组大小固定为26，与输入规模无关。

关键点总结

滑动窗口固定长度 ：窗口大小始终为 m（p的长度），通过双指针 left和 right同步滑动。
有效字符计数 ：用 count跟踪窗口内与 p匹配的字符个数，避免每次比较整个数组。
数组代替哈希表 ：针对小写字母场景，数组更高效；如果字符集扩大，可改用 HashMap。

此算法高效且易于实现，是解决"字母异位词子串"问题的标准方法。