滑动窗口算法用left和right指针动态调整窗口，分可变长（如求和≥target最短子数组）、固定长（如长度k的最大子数组和）、双数组对齐（如最长重复子数组）、带频次约束（如最多两个0的最长子数组）四类场景。
Java 中实现滑动窗口算法，核心是用两个整型变量（left 和 right）模拟窗口边界，在一次遍历中动态调整范围。它不依赖额外数据结构（如队列），只靠指针移动和状态更新，就能高效处理子数组类问题。关键不在“怎么写循环”，而在于想清楚：窗口何时扩大、何时收缩、收缩到什么程度才算合理。
可变长度窗口：解决「和 ≥ target 的最短子数组」
这是滑动窗口最典型的入门场景，适用于元素全为非负数的数组：
-
右指针负责进窗口：每次
right++，把nums[right]加入当前和sum -
左指针负责出窗口：一旦
sum ≥ target，就进入while循环，不断减去nums[left]并left++，直到sum -
每次满足条件时更新答案：在
while内部计算right - left + 1，取最小值 -
注意初始值与无解判断：用
Integer.MAX_VALUE初始化最小长度，最后检查是否仍为该值，是则返回 0
固定长度窗口：求「长度为 k 的子数组最大和」
当题目明确要求窗口大小恒定，逻辑更简洁，不需要 while 循环反复收缩：
-
先算初始窗口和：对前
k个元素求和，作为windowSum -
右指针从索引 k 开始滑动：每步执行
windowSum += nums[right] - nums[right - k]，即“加新右端、减旧左端” -
边滑边更新极值：每次更新后比较
maxSum，无需额外判断条件 -
边界清晰：
right范围是[k, nums.length)，共滑动nums.length - k次
双数组对齐场景：找「最长重复子数组」
面对两个数组 A 和 B，要找最长公共连续子数组，不能直接套单数组模板，需枚举所有可能的相对偏移：
-
外层控制对齐方式：偏移量
d从-(B.length - 1)到A.length - 1，覆盖所有起始位置组合 -
内层用双指针匹配：对每个
d，设起始索引i = Math.max(0, d)、j = Math.max(0, -d)，然后同步递增k比较A[i + k]和B[j + k] - 匹配中断即重置长度：相等则累加当前长度；不等则清零，继续尝试
- 空间极简：全程只用几个 int 变量，不建哈希表或辅助数组
带频次约束的窗口：如「最多含两个 0 的最长连续子数组」
当条件涉及元素种类或数量限制（如最多 m 个特定值），需引入计数器配合收缩逻辑：
-
扩展时更新计数：右移
right后，对新元素做count[nums[right]]++ -
收缩触发条件是违规：比如
count[0] > 2，才启动while循环减左端并更新计数 -
答案更新在收缩前或后均可：只要保证每次窗口合法时都记录长度，比如在
while前取right - left + 1 - 避免嵌套 if 判断：用 while 而非 if，确保违规状态被彻底清除
Java免费学习笔记：立即使用
解锁 Java 大师之旅：从入门到精通的终极指南
