滑动窗口算法用双端队列维护单调性以高效求解子区间最值问题，时间复杂度o(n)；固定窗口求最值需三步操作，可变窗口则结合双指针动态伸缩，常见易错点包括下标存储、初始化和数据结构选择。

滑动窗口算法是解决数组中固定或可变长度子区间最值问题的高效工具，核心在于用双端队列（deque）或单调栈维护窗口内候选极值，避免重复扫描，将时间复杂度从 O(nk) 降至 O(n)。

单调队列维护窗口最大/最小值

对每个右端点扩展窗口时，需保证队列头部始终是当前窗口内的最值。关键操作有三步：

• 移除队首超出窗口左界的元素（下标 i - k + 1）
• 从队尾弹出所有小于当前元素（求最大值）或大于当前元素（求最小值）的值——保持单调递减或递增
• 将当前下标入队，队首即为当前窗口最值

例如数组 [1,3,-1,-3,5,3,6,7]，窗口大小 k=3，最大值序列为 [3,3,5,5,6,7]，每一步都只需常数均摊时间更新。

处理可变长度窗口的最值约束问题

当题目要求“最长子数组，满足最大值与最小值之差 ≤ limit”时，窗口长度不固定，需双指针动态伸缩：

• 右指针不断右移，将新元素加入两个单调队列（一个维护最大值，一个维护最小值）
• 一旦 max - min > limit，左指针右移，同步从两个队列中剔除过期下标
• 每次满足条件时更新最长长度

这种变形仍保持 O(n) 时间，因为每个元素最多入队出队各一次。

常见易错点与优化提示

实际编码中容易忽略边界细节：

• 队列中存储的是下标而非数值，便于判断是否过期
• 初始化阶段需先填满前 k-1 个元素，再开始记录答案
• Java 中建议用 ArrayDeque，Python 可用 collections.deque，避免用 list 模拟导致 pop(0) 退化为 O(n)
• 若只需最值出现次数或位置，可在队列中额外携带频次信息，但多数场景无需

滑动窗口不是黑盒技巧，本质是利用窗口移动的局部性，复用历史比较结果。理解单调性如何随窗口滑动被维持，比死记模板更重要。