滑动窗口算法
滑动窗口算法可以将嵌套的循环问题，转换为单循环问题，降低时间复杂度。
比如给定如下数组：
[ 5, 7, 1, 4, 3, 6, 2, 9, 2 ]
求出 5 个连续元素的最大和是多少？
[5, 7, 1, 4, 3] 是第一组 5 个连续元素，求和是 20，[7, 1, 4, 3, 6] 是第二组 5 个连续元素，求和是 21......这样一直进行下去，最终对比发现 5 个连续元素的最大和是 24，由 [4, 3, 6, 2, 9] 组成；
简单粗暴的双层 for 循环算法实现：
const getMaxSumOfFiveContiguousElements = (arr) => { let maxSum = -Infinity; let currSum; for (let i = 0; i <= arr.length - 5; i++) { currSum = 0; for (let j = i; j < i + 5; j++) { currSum += arr[j]; } maxSum = Math.max(maxSum, currSum); } return maxSum; };
时间复杂度是 O(n*k)，遍历情况如图示：
而通过滑动窗口算法，我们能将时间复杂度降低为 O(n)；
我们将 5 个连续的元素放入一个窗口内，每做一次求和计算后，将窗口内的第一个数字减掉，然后再加上窗口外的后第一个数字，形成新的窗口，窗口长度不变，这样一直操作下去，直到窗口遍历完全部元素，结束遍历；
算法如下：
const getLargestSumOfFiveConsecutiveElements = (arr) => { let currSum = getSum(arr, 0, 4); let largestSum = currSum; for (let i = 1; i <= arr.length - 5; i++) { currSum -= arr[i - 1]; // subtract element to the left of curr window currSum += arr[i + 4]; // add last element in curr window largestSum = Math.max(largestSum, currSum); } return largestSum; }; const getSum = (arr, start, end) => { let sum = 0; for (let i = start; i <= end; i++) { sum += arr[i]; } return sum; };
遍历图示：
通过 +1-1 的方式实现遍历，将双循环变成单循环，降低时间复杂度，这正是滑动窗口的技术要点；
当然，滑动窗口还有很多变形，比如长度不固定、滑动距离不是 1 ......
以上温故了滑动窗口的算法部分，接下来温故所学的 TCP 滑动窗口原理：
TCP 滑动窗口原理
起初，为了保证发送方与接收方之间，每个包都能被收到。并且是按次序的，发送过程是：
但是，这样又太慢了，于是升级为多个并行发送，加大吞吐量：
后来，为了实现“无序”发送，即做到：发送方拿到确认包 1 的时候，就发送包 3，而不是非要等拿到确认包 2 才能发包 3；
于是乎，滑动窗口粉墨登场；
窗口分为：已发送（未Ack）和待发送（未Ack）两个部分，当已发送被 Ack 确认后，则发生窗口移动，将未发送的包划到待发送中去，这样一直移动下去，直至所有包发送完毕；针对丢包情况，滑动窗口有超时重传机制；
滑动窗口的最大优势在于：接收端可以根据自己的状况通告窗口大小，从而控制发送端的接收，进行流量控制。
本篇温故算是小引，后续会带来更多关于滑动窗口的变形算法或应用~
我是掘金安东尼，公众号同名，输出暴露输入，技术洞见生活，下次再会~~
