温故知新 —— Sliding Window 关于滑动窗口必知的两点温故：算法和在TCP中的应用；虽然平常用到的少，但是

这是我参与11月更文挑战的第1天，活动详情查看：2021最后一次更文挑战

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;
};