刨析双指针（Two Pointers）本质：从碰撞、快慢到滑动窗口的降维打击
刨析双指针（Two Pointers）本质：从碰撞、快慢到滑动窗口的降维打击
在算法竞赛（如 ICPC、LeetCode、洛谷等）中，有一种技巧由于其代码极其精简、时间复杂度往往能从 \(O(N^2)\) 降维到 \(O(N)\)，而被奉为“基础神器”——它就是双指针（Two Pointers）。
必须强调的是，算法意义上的“双指针”并不一定是 C/C++ 中操作内存地址的真指针（Pointer），它更多指代的是两个充当索引（Index）的游标。通过这两个游标在数组或链表中的协同移动，我们可以巧妙地利用数据的单调性或局部连续性，避免大量无效的重复枚举。
本文将剥开双指针的表象，将其分为三大核心变种：碰撞指针、快慢指针与滑动窗口，并提供极致精简的 C++ 实战代码。
一、 碰撞指针（对撞指针）：单调性与收缩的艺术
适用信号：在已排序的数组中寻找满足某种组合条件（如两数之和、盛水最多等）的元素对。
1. 核心思想
设置两个指针，分别指向数组的头部（left = 0）和尾部（right = n - 1）。 由于数组是有序的，每一次将 left 右移，都会使两数之和变大；每一次将 right 左移，都会使两数之和变小。 根据当前两数之和与目标值的比较结果，我们可以每次确定性地排除掉一行或一列的无效组合，从而将原本 \(O(N^2)\) 的枚举压缩到 \(O(N)\)。
2. C++ 实战：两数之和 (有序数组)
#include <iostream>
#include <vector>
using namespace std;
// 在升序数组 nums 中寻找两个数，使它们相加等于 target，返回它们的下标
vector<int> twoSumSorted(const vector<int>& nums, int target) {
int left = 0;
int right = nums.size() - 1;
while (left < right) { // 注意是 <，不能是 <=，因为通常不能选同一个元素两次
int sum = nums[left] + nums[right];
if (sum == target) {
return {left, right}; // 找到目标，直接返回
} else if (sum < target) {
left++; // 当前和太小，左指针右移以增大和
} else {
right--; // 当前和太大，右指针左移以减小和
}
}
return {-1, -1}; // 未找到
}
二、 快慢指针：链表循环与步频差距
适用信号：链表判环、寻找链表中点、原地删除数组中的重复元素等。
1. 核心思想
设置两个指针（fast 和 slow），它们都从同一侧起点出发，但移动的速度或者步长不同。
- 判环/找中点：
fast每次走两步，slow每次走一步。如果链表有环，它们迟早会相遇；如果没环，当fast走到尽头时，slow正好在中间。 - 原地去重：
fast负责在前面探路，寻找新的、未重复的元素；slow负责在后面记录合法元素应该停靠的位置。
2. C++ 实战：原地删除有序数组的重复项
给定一个升序排列的数组，原地删除重复出现的元素，使得每个元素只出现一次，返回删除后数组的新长度。
#include <iostream>
#include <vector>
using namespace std;
int removeDuplicates(vector<int>& nums) {
if (nums.empty()) return 0;
int slow = 0; // slow 记录的是最后一个已经去重的元素的下标
// fast 负责在前面探路
for (int fast = 1; fast < nums.size(); fast++) {
// 当发现一个新元素（与上一个保留的元素不同）
if (nums[fast] != nums[slow]) {
slow++; // 腾出下一个位置
nums[slow] = nums[fast]; // 将新元素放进来
}
}
// 数组的新长度是 slow 下标 + 1
return slow + 1;
}
三、 滑动窗口：子数组的动态伸缩
适用信号：求解满足某种条件的连续子数组或子串（如最长无重复子串、和大于等于 target 的最短子数组等）。
1. 核心思想
滑动窗口是双指针中极其重要、也是最容易考察的高阶形态。它维护了一个 [left, right] 的闭区间（即窗口）。
- 扩张阶段：
right指针主动向右移动，把新元素拉进窗口，直到窗口内的状态满足了题目条件（或者破坏了某种条件）。 - 收缩阶段：此时，
left指针开始向右移动，把老元素踢出窗口，试图在满足条件的前提下寻找更优解（如寻找最短长度），直到窗口状态不再满足条件。 重复扩张与收缩，就像一个毛毛虫在数组上爬行。每个元素最多进窗口一次、出窗口一次，因此整体复杂度依然是严格的 \(O(N)\)。
2. C++ 实战：长度最小的子数组
给定一个含有 \(n\) 个正整数的数组和一个正整数 target。找出该数组中满足其和 \(\ge target\) 的长度最小的连续子数组，并返回其长度。
#include <iostream>
#include <vector>
#include <algorithm>
using namespace std;
int minSubArrayLen(int target, const vector<int>& nums) {
int left = 0;
int sum = 0; // 维护窗口内的和
int min_len = 1e9; // 记录最小长度
// right 负责不断扩张窗口
for (int right = 0; right < nums.size(); right++) {
sum += nums[right]; // 新元素进窗口
// 当窗口满足条件时，尝试收缩左边界，榨干最小长度
while (sum >= target) {
min_len = min(min_len, right - left + 1); // 更新最优解
sum -= nums[left]; // 左端点元素出窗口
left++; // 收缩左边界
}
}
return min_len == 1e9 ? 0 : min_len;
}
四、 总结与避坑指南
无论是哪种双指针，其本质都是利用了题目的单调性：
- 碰撞指针利用的是排序后元素数值分布的单调性。
- 快慢指针去重利用的是相同元素连续分布的局部单调性。
- 滑动窗口利用的是随着元素增加，区间和或区间内状态的单调性（这也是为什么普通的滑动窗口不能处理包含负数的子数组和问题）。
避坑铁律： 在编写双指针（特别是滑动窗口）代码时，永远要先想清楚两件事：
- 什么条件下右指针进？（扩张）
- 什么条件下左指针缩？（收缩） 想清楚这两个判定边界，你就能避开 99% 的死循环和越界 Bug，在 \(O(N)\) 的世界里游刃有余。
浙公网安备 33010602011771号