滑动窗口是在算法题中，经常提及的一个概念。他通常运用于特定长度的数组或者字符串等连续的线性数据结构上。

通常，我们会维护两个可移动的指针，分别代表窗口的两个边界

1
// 左边界
2
let left = 0;
3
// 右边界
4
let right = 0;

这样在数组中，索引闭合区间 [left, right] 就代表了一个窗口

我们可以移动右边界来扩大窗口，移动左边界来缩小窗口。也可以同步移动左右边界来维持窗口的宽度不变。

一、案例讲解

现在有这样一个题目：从一个数组中，找出长度为 k 的连续子数组，要求返回所有子数组总和的最大值。

题目解析

由于需要找出长度为 k 的子数组，我们可以先固定窗口的左边界，让窗口的右边界移动，直到窗口的长度为 k 时，再同步移动左右边界。

在移动的过程中，我们可以维护一个变量 sum 来记录窗口内所有元素的总和，同时维护一个变量 max 来记录所有子数组总和的最大值。

此时需要注意的是，如果我们每次都循环去计算窗口内的子元素之和，会导致耗时过长。因此，我们可以利用滑动窗口的特性，每次移动窗口时，只需要将窗口内的元素总和减去左边界元素，再加上右边界元素即可。

如下图示可以表达指针的移动过程

代码如下所示

10
export function maxSum(arr: number[], k: number): number {
20
  // 定义窗口指针
30
  let left = 0;
40
  let right = 0;
50
  // 定义窗口内元素总和
60
  let sum = 0;
70
  // 定义最大总和
80
  let max = 0;
90
  while (right < arr.length) {
10
    // 移动右边界并更新元素总和
11
    sum += arr[right++];
12
    // 当窗口长度为k时，更新最大总和并移动左边界
13
    if (right - left === k) {
14
      max = Math.max(max, sum);
15
      sum -= arr[left];
16
      left++;       
17
    }
18
  }
19
  return max;
20
}

总结，窗口从小变大到 K，然后就在逻辑上固定窗口大小，先后移动右左边界，直到右边界到达数组末尾。

二、思考题

我们在上面这个题目的基础之上，新增一个条件：

题目描述

给你一个整数数组 nums 和一个整数 k 。请你从 nums 中满足下述条件的全部子数组中找出最大子数组和：

• 子数组的长度是 k，且
• 子数组中的所有元素 各不相同 。

返回满足题面要求的最大子数组和。如果不存在子数组满足这些条件，返回 0 。

子数组是数组中一段连续非空的元素序列。

解题思路: 20250412

其他思考题

• 20250413