此文是对于前文滑动窗口的补充：LeetCode 滑动窗口个人思路详解-CSDN博客
定长滑动窗口
先由一道题来引入我们的定长滑动窗口
1456. 定长子串中元音的最大数目 - 力扣（LeetCode）
我这里给出两种解题方法：
cpp
class Solution {
public:
int maxVowels(string s, int k) {
int ret = 0,count = 0;
int n = s.size();
int left = 0;
for(int right = 0;right<n;right++)
{
char in = s[right];
if(in=='a'||in=='e'||in=='i'||in=='o'||in=='u')
{
count++;
}
while(right-left+1>k)
{
char out = s[left];
if(out=='a'||out=='e'||out=='i'||out=='o'||out=='u')
{
count--;
}
left++;
}
ret = max(ret,count);
}
return ret;
}
};
cpp
class Solution {
public:
int maxVowels(string s, int k) {
int ret = 0,count = 0;
int n = s.size();
for(int i = 0;i<n;i++)
{
if(s[i]=='a'||s[i]=='e'||s[i]=='i'||s[i]=='o'||s[i]=='u')
{
count++;
}
int left = i-k+1;
if(left<0) continue;
ret = max(ret,count);
if(s[left]=='a'||s[left]=='e'||s[left]=='i'||s[left]=='o'||s[left]=='u')
{
count--;
}
}
return ret;
}
};第二段代码在内存消耗和AC时间上更有优势，第一种写法跟我之前的滑动窗口固定模板写法一致
接下来我们总来总结一下第二种写法的模板
套路模板：
窗口右端点在 i 时，由于窗口长度为 k，所以窗口左端点为 i−k+1。
这里我们三步走：入-更新答案-出（精华所在）
入：下标为 i 的元素进入窗口，更新相关统计量（本题为窗口内的元音个数）。如果窗口左端点 i−k+1<0，说明尚未形成第一个窗口，重复第一步。
更新答案：此时窗口长度为 k，符合题目要求，用相关统计量（本题为窗口内的元音个数）更新答案。
出：下标为 i−k+1 的元素离开窗口，更新相关统计量（本题为窗口内的元音个数），为下一个循环做准备。注：元素离开窗口后，窗口长度为 k−1。下一轮循环元素进入窗口后，窗口长度为 k。
答疑
问：为什么窗口右端点为 i 的时候，左端点是 i−k+1？
答：对于窗口（闭区间）L,R 来说，L,R 里面的元素个数为 R−L+1。比如 2,5 里面有 2,3,4,5 一共 5−2+1=4 个数。如果窗口长度为 k，即 R−L+1=k，解得 L=R−k+1。所以右端点为 R 的时候，左端点为 R−k+1。
下面来解决几道问题：
643. 子数组最大平均数 I - 力扣（LeetCode）
cpp
class Solution {
public:
double findMaxAverage(vector<int>& nums, int k) {
int n = nums.size();
int ret = INT_MIN,sum = 0;
for(int i = 0;i<n;i++)
{
sum+=nums[i];
int left = i-k+1;
if(left<0) continue;
ret = max(ret,sum);
sum-=nums[left];
}
return(double)ret/k;
}
};1343. 大小为 K 且平均值大于等于阈值的子数组数目 - 力扣（LeetCode）
cpp
class Solution {
public:
int numOfSubarrays(vector<int>& arr, int k, int threshold) {
int n = arr.size();
int count = 0,sum = 0;
for(int i = 0;i<n;i++)
{
sum+=arr[i];
int left = i-k+1;
if(left<0) continue;
if(sum>=threshold*k) count++;
sum-=arr[left];
}
return count;
}
};2090. 半径为 k 的子数组平均值 - 力扣（LeetCode）
cpp
class Solution {
public:
vector<int> getAverages(vector<int>& nums, int k) {
int n=nums.size();long long sum=0;
vector<int>args(n,-1);
for( int i=0;i<n;i++)
{
sum+=nums[i];
if(i<2*k) continue;//未达到2K➕1
args[i-k] = sum/(2*k+1);//更新位置为右端点减去K个单位的位置
sum-=nums[i-2*k];//离开窗口的左端点为右端点减掉区间长度
}
return args;
}
};2379. 得到 K 个黑块的最少涂色次数 - 力扣（LeetCode）
cpp
class Solution {
public:
int minimumRecolors(string blocks, int k) {
int ret=k;
int count=0;
for(int i=0;i<blocks.size();i++)
{
if(blocks[i]=='W') count++;
int left = i-k+1;
if(left<0) continue;
ret= min(ret,count);
if(blocks[left]=='W') count--;
}
return ret;
}
};2841. 几乎唯一子数组的最大和 - 力扣（LeetCode）
cpp
class Solution {
public:
long long maxSum(vector<int>& nums, int m, int k) {
int n=nums.size();
long long sum=0,ret=0;
unordered_map<int,int> Countmap;
for(int i=0;i<n;i++)
{
sum+=nums[i];
Countmap[nums[i]]++;
int left = i-k+1;
if(left<0) continue;
if(Countmap.size()>=m) ret=max(ret,sum);
int out=nums[left];
sum-=out;
if(--Countmap[out]==0) Countmap.erase(out);
}
return ret;
}
};
cpp
class Solution {
public:
int maxScore(vector<int>& cardPoints, int k) {
int AllSum = 0;
for(auto&e:cardPoints)
{
AllSum+=e;
}
if(k==cardPoints.size()) return AllSum;
long long sum = 0,ret = INT_MAX;
for(int right = 0;right<cardPoints.size();right++)
{
sum+=cardPoints[right];
int left = right-(cardPoints.size()-k)+1;
if(left<0) continue;
ret = min(sum,ret);
sum-=cardPoints[left];
}
return AllSum-ret;
}
};
cpp
class Solution {
public:
int maxSatisfied(vector<int>& customers, vector<int>& grumpy, int minutes) {
int OriginSum = 0;
for(int i = 0;i<customers.size();i++)
{
if(grumpy[i]==0) OriginSum+=customers[i];
}
long NewSum = 0,ret = 0;
for(int right = 0;right<customers.size();right++)
{
if(grumpy[right]==1) NewSum+=customers[right];
int left = right-minutes+1;
if(left<0) continue;
if(NewSum>ret) ret = max(ret,NewSum);
if(grumpy[left]==1) NewSum-=customers[left];
}
return OriginSum+ret;
}
};3679. 使库存平衡的最少丢弃次数 - 力扣（LeetCode）
cpp
class Solution {
public:
int minArrivalsToDiscard(vector<int>& arrivals, int w, int m) {
unordered_map<int, int> cnt;
int ret = 0;
int n = arrivals.size();
vector<int> keep(n, 0); // keep[i] = 1 表示这个位置的物品被保留
for (int i = 0; i < n; i++) {
int x = arrivals[i];
// 如果当前窗口中 x 已经有 m 个，就丢弃当前物品
if (cnt[x] == m) {
ret++;
} else {
cnt[x]++;
keep[i] = 1;
}
// 维护窗口大小，移除 i-w+1 这个位置
int left = i - w + 1;
if (left >= 0 && keep[left]) {
cnt[arrivals[left]]--;
}
}
return ret;
}
};上述一些题目需要涉及到对题意的转换，记住如果使用滑动窗口，我们需要元素为0或者正整数，不能出现负数
不定长滑动窗口
关于不定长的滑动窗口，我在前文已经做了比较详细的解读，在这里不进行过多的方法赘述
不定长滑动窗口主要分为三类：求最长子数组，求最短子数组，求子数组个数。
**注：**滑动窗口相当于在维护一个队列。右指针的移动可以视作入队，左指针的移动可以视作出队。
相关题目包括 越短越合法/求最长/求最大，越长越合法/求最短/求最小 以及之后的单序列双指针，双序列双指针，三指针，分支循环
因为笔者最近在研究动态规划，所以关于之后的滑动窗口的题目需要之后在更新，非常抱歉哈哈