窗口算法可视化

固定窗口与滑动窗口算法对比演示

滑动窗口核心算法代码

def length_of_longest_substring(s):
    # 记录字符最后出现的索引
    char_index = {}
    max_len = 0
    left = 0  # 窗口左边界
    
    for right, char in enumerate(s):
        # 若字符已在当前窗口内，移动左边界到重复位置右侧
        if char in char_index and char_index[char] >= left:
            left = char_index[char] + 1
        
        # 更新字符最新位置和最大长度
        char_index[char] = right
        max_len = max(max_len, right - left + 1)
    
    return max_len

固定窗口核心算法代码

def max_sum_fixed_window(nums, k):
    n = len(nums)
    # 边界条件处理
    if n < k or k <= 0:
        return 0
    
    # 初始化第一个窗口的和
    current_sum = sum(nums[:k])
    max_sum = current_sum
    
    # 滑动窗口（从第k个元素开始）
    for i in range(k, n):
        # 移除左侧元素，加入右侧新元素
        current_sum = current_sum - nums[i - k] + nums[i]
        max_sum = max(max_sum, current_sum)
    
    return max_sum

输入字符串:

算法执行过程:

当前状态

左指针 (left): 0

右指针 (right): 0

当前窗口: []

最长子串

长度: 0

子串:

步骤说明

点击"开始"按钮启动演示

演示控制:

速度:

滑动窗口算法原理:

滑动窗口算法通过两个指针（left和right）维护一个动态调整大小的窗口，用于寻找字符串中不含有重复字符的最长子串：

初始化left=0，right=0，使用哈希表记录字符最后出现的位置
right指针向右移动，扩大窗口范围
如果遇到重复字符且该字符在当前窗口内（即char_index[char] >= left），则将left指针移动到该字符上次出现位置的右侧
更新字符最新位置和最长子串长度
重复步骤2-4，直到right指针到达字符串末尾

核心特点：窗口大小动态变化，左指针只向前移动，时间复杂度O(n)。

输入数组（用逗号分隔）:

窗口大小 k:

算法执行过程:

当前状态

窗口起始索引: 0

窗口结束索引: 0

当前窗口和: 0

最大子数组和

最大值: 0

对应子数组:

步骤说明

点击"开始"按钮启动演示

演示控制:

速度:

固定窗口算法原理:

固定窗口算法通过维护一个长度固定的窗口，用于计算数组中长度为k的连续子数组的最大和：

初始化窗口大小为k，计算初始窗口的和（前k个元素之和）
将窗口整体向右滑动，每次滑动时：
- 减去窗口左侧即将移除的元素
- 加上窗口右侧即将加入的新元素
比较当前窗口和与历史最大值，更新最大和
重复步骤2-3，直到窗口滑动到数组末尾

核心特点：窗口大小固定不变，通过"减左加右"实现O(1)时间复杂度的窗口和更新，整体时间复杂度O(n)。