今天做了几道滑动窗口的题，稍微总结一下。
起因源于早上在leetcode上pick one，随机到了一个easy的题目，想着随便做了，结果半天也找不到最优解，耗时300多ms，A是A了，不过就是暴力罢了。
题目是：Find All Anagrams in a String，链接在https://leetcode.com/problems/find-all-anagrams-in-a-string/ ，题目就不过多解释了。
采用的方法是滑动窗口的方法，可以说这基本是一类方法，leetcode上有几道题都可以用相同的思想，有点类似动态规划，在大致思想步骤一致的前提下，每个题有各自不同的“条件式”。

---

滑动窗口思想

滑动窗口，就是利用双指针技巧，以及map数据结构，维护一个不断扩展、伸缩的窗口，在窗口内探测记录我们感兴趣的结果。比如这道题目，以用例分析：

Input:
s: “cbaebabacd” p: “abc”

Output:
[0, 6]

首先，先构造一个map，对于p中的每个字符char，都有map[char]++。
然后，初始化一个长度为0的窗口，left = 0，right = 0。第一步先扩展窗口，也就是在right的右边界上做文章。每次right读到一个字符char，都有map[char]–。当map[char]的值大于等于1时，很明显就是窗口中进入了一个p中含有的字符。我们可以取一个变量count，值为p中所有字符的总数。每次有一个p中字符进入窗口，则count–。这样，当count == 0的时候，表明我们的窗口中包含了p中的全部字符，得到一个结果。
当窗口包含一个结果以后，为了进一步遍历，我们需要缩小窗口使窗口不再包含全部的p，同样，如果map[char]>=0，表明一个在p中的字符就要移除窗口，那么count ++，以此类推。
最终代码如下：

public class Solution {
    public List<Integer> findAnagrams(String s, String p) {
        ArrayList<Integer> result = new ArrayList<>();
        if(s == null || p == null) return result;
        int left = 0,right =0,count = p.length();
        int[] map = new int[256];
        char[] sc = s.toCharArray();
        for (char c : p.toCharArray()) map[c] ++;
        while (right < s.length()) {
            if (map[sc[right++]]-->=1) count --;
            if (count == 0) result.add(left);
            if (right - left == p.length() && map[sc[left++]]++ >=0) count++;
        }
        return result;
    }
}

---

方法小结

可以说滑动窗口这种思想，关键点在于：
1、map中存储值的意义
2、窗口什么时候扩展和收缩，对应于left和right值什么时候发生变化。
在解题的时候，首先尝试扩展窗口right，看看什么时候包含了一个结果，记录结果。然后缩小左边界left，直到窗口不在包含一个可能解！接着就可以继续扩展窗口了，以此类推。

由此，可以得到一个模板：

public class Solution {
    public List<Integer> findAnagrams(String s, String p) {
        ArrayList<Integer> result = new ArrayList<>();
        if(s == null || p == null) return result;
        int left = 0,right =0,count = p.length();

        int[] map = new int[256];
        char[] sc = s.toCharArray();
        //初始化map
        for (char c : p.toCharArray()) map[c] ++;
        while (right < s.length()) {
            //1：扩展窗口，窗口中包含一个T中子元素，count--；
            //2：通过count或其他限定值，得到一个可能解。
            //3：只要窗口中有可能解，那么缩小窗口直到不包含可能解。         
        }
        return result;
    }
}

比如leetcode另一个题目 Minimum Window Substring：https://leetcode.com/problems/minimum-window-substring/。

用例是：
S = “ADOBECODEBANC”
T = “ABC”
Minimum window is “BANC”.

了解了第一道题目以后，这道题目也很容易思考出来。解题时，按照步骤：

1. 扩展窗口，窗口中包含一个T中子元素，count–；
2. 通过count或其他限定值，得到一个可能解。
3. 只要窗口中有可能解，那么缩小窗口直到不包含可能解。

首先，维护一个map，一个窗口。先看右边界，当窗口扩展包含全部ABC时停下，这个时候必然有count == 0。但是，这个时候的结果字符串可能很长，所以我们要接着缩小左边界。同时，当count == 0时，我们要一直缩小左边界以找到更短的字符串。慢慢count>0了，表明窗口中不包含全部的T了，那么又要扩展窗口。依次类推，最终找到最短字符串。
套用模板，代码如下：

public class Solution {
    public String minWindow(String s, String t) {
        int[] map = new int[256];
        int left = 0,right = 0,count = t.length(), minLen = Integer.MAX_VALUE;
        String result = "";
        for (char tc : t.toCharArray()) map[tc]++;
        char[] sc = s.toCharArray();
        while (right < s.length()|| count ==0) {
            if (count == 0){
                if (right-left+1<minLen){
                    minLen = right - left +1;
                    result = s.substring(left,right);
                }
                if (map[sc[left++]]++>=0) count++;
            }else {
                if ( map[sc[right++]]-->=1) count--;
            }

        }
        return result;
    }
}

https://leetcode.com/problems/longest-repeating-character-replacement/
也是一道滑动窗口的题，在解决诸如substring这类问题时，不妨尝试想一想滑动窗口。