滑动窗口

副标题 / 摘要 最小覆盖子串是“可变滑动窗口 + 计数哈希表”的经典题。本文按 ACERS 模板解释如何判断窗口有效、如何收缩得到最短答案，并给出工程场景与多语言实现。 预计阅读时长：12~15 分钟 标签：滑动窗口、哈希表、字符串 SEO 关键词：Minimum Window Substring, 最小覆盖子串, 滑动窗口, 哈希表 元描述：最小覆盖子串的 O(n) 滑动窗口解法与工程应用，含多语言实现。 目标读者 正在刷 LeetCode 的中级开发者 需要掌握“可变窗口 + 覆盖约束”的算法模板 做文本分析、日志聚合或流式过滤的工程师 背景 / 动机 “在一段序列中找到最短区间覆盖目标集合”在工程中非常常见： 日志告警需要覆盖多种错误码，搜索摘要需要覆盖关键字， 运营分析需要覆盖多个行为标签。 本题提供了一个可复用的窗口收缩模板。 核心概念 可变滑动窗口：右指针扩张直到满足条件，左指针收缩缩短答案 计数哈希表：支持重复字符，必须按次数覆盖 满足条件的计数：判断当前窗口是否“覆盖了全部需要” A — Algorithm（题目与算法） 题目重述 给定字符串 s 和 t，返回 s 中最短的子串，使其包含 t 中的每一个字符（包括重复字符）。 若不存在这样的子串，返回空字符串 ""。 测试用例保证答案唯一。 输入输出 名称 类型 描述 s string 源字符串 t string 目标字符串（需要覆盖的字符与次数） 返回 string 最短覆盖子串或空串 示例 1 s = "ADOBECODEBANC", t = "ABC" 输出 = "BANC" 示例 2 s = "a", t = "a" 输出 = "a" 示例 3 s = "a", t = "aa" 输出 = "" C — Concepts（核心思想） 方法类型 可变滑动窗口 + 频次覆盖判断。 ...

副标题 / 摘要 最大元音子串数量是“固定窗口计数”的标准模板题。本文按 ACERS 结构讲清楚滑动窗口的核心思想，并给出工程场景与多语言实现。 预计阅读时长：10~12 分钟 标签：滑动窗口、字符串、固定窗口 SEO 关键词：Maximum Number of Vowels, 最大元音子串, 滑动窗口, 固定窗口 元描述：滑动窗口求固定长度子串最大元音数，含工程化应用与多语言代码。 目标读者 正在刷 LeetCode / Hot100 的同学 想建立“固定窗口计数”模板的中级开发者 需要做日志/指标窗口统计的工程师 背景 / 动机 固定长度窗口内的最大计数是工程里极常见的需求： 监控系统统计异常峰值、运营分析统计活跃峰值、NLP 统计特征峰值。 如果每次窗口都重新计算，会退化为 O(nk)。 滑动窗口能让每步更新变成 O(1)，把整体降到 O(n)。 核心概念 固定滑动窗口：窗口长度固定为 k，只右移一位 增量更新：进入右端元素、移除左端元素 条件计数：只统计满足条件（本题为元音）的元素数量 A — Algorithm（题目与算法） 题目重述 给你一个字符串 s 和整数 k。 返回长度为 k 的子串中，元音字符数量的最大值。 输入输出 名称 类型 描述 s string 只包含小写英文字符 k int 窗口长度 返回 int 任意长度为 k 的子串中最大元音数 示例 1 s = "abciiidef", k = 3 输出 = 3 示例 2 s = "aeiou", k = 2 输出 = 2 C — Concepts（核心思想） 方法类型 固定滑动窗口 + 条件计数。 ...

副标题 / 摘要 滑动窗口最大值是“滑动窗口 + 单调队列”的经典组合题。本文按 ACERS 模板拆解思路，给出可复用的工程做法与多语言实现。 预计阅读时长：12~15 分钟 标签：滑动窗口、单调队列、数组 SEO 关键词：Sliding Window Maximum, 滑动窗口最大值, 单调队列, deque, O(n) 元描述：滑动窗口最大值的单调队列解法与工程应用，含复杂度分析与多语言代码。 目标读者 正在刷 LeetCode / Hot100 的同学 想建立“滑动窗口 + 单调队列”模板的中级开发者 做实时监控、日志分析、风控的工程师 背景 / 动机 连续窗口的最大值在工程里非常常见： 延迟监控、价格波动、温度报警、在线指标平滑等都需要“窗口最大值”。 暴力做法每次窗口重算最大值是 O(nk)，当 n 很大时会不可接受。 单调队列能把复杂度降到 O(n)，是最工程可行的方案之一。 核心概念 滑动窗口：固定长度 k 的连续区间 单调队列：队列中元素按值单调递减，队首永远是当前最大值 索引维护：用索引判断元素是否过期（离开窗口） A — Algorithm（题目与算法） 题目还原 给你一个整数数组 nums，有一个大小为 k 的滑动窗口从数组最左侧移动到最右侧。 你只能看到窗口内的 k 个数字，窗口每次右移一位。 返回每个窗口中的最大值。 输入输出 名称 类型 描述 nums int[] 整数数组 k int 窗口大小 返回 int[] 每个窗口的最大值 示例 1 nums = [1,3,-1,-3,5,3,6,7], k = 3 输出 = [3,3,5,5,6,7] 示例 2 nums = [1], k = 1 输出 = [1] C — Concepts（核心思想） 方法类型 滑动窗口 + 单调队列（Monotonic Queue）。 ...

副标题 / 摘要 一道看似麻烦的子数组题：长度必须固定为 k，元素种类又要至少 m 个，还要在满足约束下让子数组和最大。本文通过「固定窗口滑动 + 计数哈希表」，构造 O(n) 级别的简洁算法，并给出多语言实现与工程实践案例。 预计阅读时长：12~15 分钟 适用场景标签：滑动窗口进阶、distinct 计数、子数组最大和 SEO 关键词：almost unique subarray, at least m distinct, sliding window, subarray max sum 目标读者与背景 目标读者 已经掌握基础滑动窗口（如「最长无重复子串」）的刷题同学 后端 / 数据分析工程师，需要在数组或数据流上做实时统计 准备中高级面试，希望写出更工程化解法的开发者 问题背景 / 动机 许多业务都有类似需求： 推荐系统：固定长度的推荐位里，既要保证足够多的不同品类，又希望整体评分尽量高； 监控系统：在最近的固定时间窗口里，要求至少有 m 个不同指标处于活跃状态； 行为分析：在 k 次连续行为中，至少访问 m 个不同页面，且总价值最大。 本题正是这类需求的抽象版，非常适合用来练习滑动窗口 + 计数哈希表的组合技。 A — Algorithm（题目与算法） 题目重述 给定整数数组 nums，正整数 m 和 k。 如果一个长度为 k 的子数组中至少包含 m 个不同的元素，则称其为“几乎唯一子数组（almost unique subarray）”。 请在所有几乎唯一子数组中，找到元素和的最大值；如果不存在这样的子数组，则返回 0。 输入 ...

副标题 / 摘要 一道看似暴力 O(n·k) 的刷题小题，实际只需要一个固定长度滑动窗口就能在 O(n) 内秒杀。本文从题意还原、窗口建模，到多语言实现与工程场景，把这类「固定长度窗口 + 计数」问题一网打尽。 预计阅读时长：8~10 分钟 适用场景标签：滑动窗口、字符串处理、面试刷题 SEO 关键词：LeetCode 2379, minimum recolors, sliding window, k consecutive black blocks 目标读者与背景 目标读者 正在系统刷 LeetCode / 力扣、想提升滑动窗口题目通过率的开发者 面试中经常被「固定窗口 + 计数」卡住的同学 想把算法题思路迁移到业务代码中的后端 / 前端工程师 为什么这个问题值得认真写一篇？ 它是滑动窗口最基础的形态：窗口长度固定，维护一个简单计数。 很多更难的题（如「最长连续 1」、「至少 k 个元素」等）都可以退化到这个模板。 工程里也经常遇到类似需求：连续 k 个时间片、连续 k 条日志、连续 k 个卡片槽位是否满足某种条件。 A — Algorithm（题目与算法） 题目描述（用自己的话再说一遍） 给你一个只包含 'W'（白块）和 'B'（黑块）的字符串 blocks，还有一个整数 k。 你可以进行若干次操作，每次操作： 选择一个位置，如果那里是 'W'，就可以把它涂成 'B'。 目标是： 通过涂色，让字符串中出现至少一次长度为 k 的连续黑色块（k 个连续 'B'），并且总操作次数最少。问最少要涂几次？ 输入 blocks: str，只包含字符 'W' 和 'B' k: int，目标连续黑块长度，1 ≤ k ≤ len(blocks) 输出 ...