滑动窗口是有一个基本的模版的，不要自己想当然哦~

滑动窗口算法思想（附经典例题）_滑动窗口的思想-CSDN博客

滑动窗口也叫同向双指针；可以先看一下灵山视频：滑动窗口【基础算法精讲 03】_哔哩哔哩_bilibili

3.无重复字符的最长子串

 2024/4/17

DP

        原来的做法是，遍历给的字符串，如果字符没有出现（哈希表中不包含该字符）就加入到哈希表，对应的value为0，包含该字符，value为1。然后找到最长的连续0。乍一看没问题，对于题目给的用例3就不行。pwwkew。结果是wke，或许定义为第一次被用到好点？也不太行

        用dp。定义dp[i]：以i位置结尾的最长无重复子串的长度，妈呀，想到了最长括号匹配的那个dp，因为要用下标减去dp。

        如果 i+1 位置的字符不包含在 i 位置结尾的最长无重复子串中，那么dp[ i+1 ] = dp[ i ] + 1；

        如果 i+1 位置的字符包含在 i 位置的最长无重复子串中，找到和 i+1 重复字符的下标 index，

dp[ i+1 ] =  i+1 - index；这个是基于dp的定义。

        现在还没解决的问题就是如果判断包不包含 i + 1 位置的字符？哈希，基于之前的经验哈希不太适合解决存储重复key，所以我们不把字符作为哈希的key值，调换一下常规的思维，把下标作为key，字符作为value存储。利用containsValue判断，不行，怎么得到index呢？

        在dp遍历更新时同时构造hash，key为字符，value为下标，对于重复元素这样value存储的肯定是距离 i 最近的那个下标，由于dp[ i ] 是无重复最长子串，如果 i+1 位置的字符在hash中已存在，获取充分字符的下标x，如果 x <= i - dp[ i ]，那么不包含，否则包含。

        再定义一个res迭代更新最大dp就行。

class Solution {public int lengthOfLongestSubstring(String s) {char arr[] = s.toCharArray();HashMap<Character, Integer> map = new HashMap<>();int[] dp = new int [arr.length]; int res = 0;for(int i = 0; i < arr.length; i++){int x = 0;if(i == 0) {dp[i] = 1;} else {if(map.containsKey(arr[i])){x = map.get(arr[i]);if( x < i - dp[i-1] ){dp[i] = dp[i-1] + 1;} else {dp[i] = i - x;}} else {dp[i] = dp[i-1] + 1;}}map.put(arr[i], i);res = Math.max(dp[i], res);   }return res; }
}

滑动窗口

伪代码，时间复杂度为O(n)，Link

滑动窗口算法的时间复杂度通常是 O(n)的，其中 n 表示字符串或数组的长度。这是因为滑动窗口算法只需要对每个元素至多遍历一遍，同时也只需要在窗口的左右边界上移动，因此总的操作次数不会超过 2n 次。

int len...
int l =0;
//for循环中定义r
for(int r = 0; r < len; r++){//r每到一个位置需要执行的操作状态更新（因为r移动）while(满足条件){更新结果；状态更新(因为l移动)移动左指针，l++;}
}
return 结果 

左指针移动的时候，不要忘记更新当前的集合状态；

用list集合存储的时候更新左边界，是list.remove(0);

用set集合本身就是去重的，为啥更新左边界的时候一定要去除呢，想清楚

438.找到字符串中所有字母异位词

看这个题解：link

这种字符串异位词啥的，最小覆盖子串这种，关键的还是词频，定义数组记录每个字母出现的次数；再做就有思路了；

第一种定长的，感觉算不上标准的滑动窗口，就是判断词频数组是否一致

第二种，标准的模版，什么时候满足，为什么只保证当前的right就行？因为right经过的地方都满足