算法实战笔记：数组操作的底层逻辑与五大解题范式（一）
数组作为所有编程语言中最基础的数据结构，往往是算法面试的"试金石"。很多人认为数组题目简单，但在实际机试或白板手撕时，却常常被边界溢出、死循环等细节折磨得溃不成军。
究其根本，数组题目的核心难点不在于晦涩的数据结构，而在于对内存连续性的理解以及对边界状态的极致掌控。这篇笔记总结了处理数组问题的五大核心范式，通过拆解底层逻辑，跳出"题海战术"的死胡同。
二分法：死磕循环不变量
二分查找是典型的"一看就会，一写就废"的算法。大部分人写二分时，习惯性地缝缝补补：一会儿 left <= right，一会儿 left < right，发现死循环了就随便给 right 加上或减去 1。这种靠运气 AC 的代码，在遇到变体时必然崩溃。
二分的痛点在于区间定义混乱 。解决它的唯一法门是坚持循环不变量原则。
如果一开始定义搜索区间为左闭右闭 [left, right]：
- 循环条件必须是
while (left <= right)，因为left == right在闭区间内是有意义的。 - 当
nums[mid] > target时，下一次搜索区间应变为[left, mid - 1]，因为nums[mid]已经被排除了。
从时间复杂度来看，二分法将遍历查询的 O(n) 降维到了 O(logn)。在任何有序数组的查找场景中，它都应该是脑海中弹出的第一个解法。
双指针法：连续内存空间的降维打击
很多人在遇到"移除数组元素"这类题目时，第一反应是用两个嵌套的 for 循环去抹除元素并把后续元素整体前移。这不仅写起来冗长，时间复杂度更会飙升至 O(n^2)。
这里需要认清一个底层现实：数组在内存中是连续的地址空间，不能单纯地"物理释放"或"删除"中间的某一个元素。 所谓的移除，本质上是元素的覆盖。
双指针（快慢指针）是处理这类覆盖问题的绝佳利器。
- 快指针：负责寻找新数组所需要的元素（即不需要被移除的元素）。
- 慢指针：指向更新后的新数组的末尾下标。
在一个 for 循环下，快指针不断向前探测，遇到有效元素就丢给慢指针进行覆盖。这种思想用 O(n) 的时间复杂度完成了两层循环的工作，是链表和数组操作中最具性价比的技巧。
滑动窗口：动态调节的特殊双指针
滑动窗口本质上是双指针的一种高级变体，专门用于解决"连续子序列"问题（如求最短/最长符合条件的子数组）。
它的精妙之处在于动态维护窗口的起始与终止位置。 常规的暴力解法需要穷举所有可能的子序列起始和结束位置，复杂度 O(n^2)。而滑动窗口只需要遍历一次数组：
- 右指针主动向右扩展窗口，直到窗口内的元素满足题目条件。
- 此时左指针开始被动向右收缩，尝试寻找在满足条件下的"最优解"（如最短长度），直到条件被破坏。
- 右指针继续向前。
理解滑动窗口的核心在于弄清楚左指针何时移动。只要把握住状态转移的临界点，就能把 O(n^2) 的穷举平滑地降为 O(n) 的线性遍历。
模拟行为：考察代码掌控力的试金石
有些数组题目没有任何算法套路，纯粹要求按照特定逻辑去遍历矩阵或数组（例如螺旋矩阵转圈遍历）。这类"模拟题"往往极其折磨人。
如果在写模拟题时，感觉边界判断条件一波接着一波，拆了东墙补西墙，代码写得毫无章法，那大概率是没有统一边界处理的规则。
这再次回到了"循环不变量"原则。以顺时针画一圈为例，如果决定每一条边都遵循"左闭右开"的原则（即包含起点，不包含终点，终点留给下一条边处理），那么在写上下左右四条边的遍历逻辑时，就必须死死咬住这个原则不放。优雅的代码永远是逻辑清晰、规则统一的，而不是靠 if-else 堆砌出来的防御性编程。
前缀和数组：空间换时间的查询工具
在处理频繁的"区间和查询"问题时，前缀和是一个开阔思路的工程级技巧。
如果在 O(n) 的遍历中需要多次求某个子区间 [i, j] 的元素总和，每次重复累加会导致极大的性能浪费。前缀和的思想是在初始化时，预先计算一个新数组 prefixSum，其中 prefixSum[k] 存储原数组前 k 个元素的总和。
当需要查询区间 [i, j] 的累加和时，只需执行一次减法操作：prefixSum[j] - prefixSum[i - 1]。通过 O(n) 的预处理空间，将后续所有的区间查询时间复杂度硬生生压到了 O(1)。
在算法体系中，数组往往扮演着基石的角色。很多看似复杂的动态规划或图论问题，底层的状态流转依然要靠数组来承载。搞懂了双指针的覆盖逻辑和边界处理的循环不变量，再去审视那些高级算法，会不会看到不一样的世界？