个人觉得日常遇到的关于滑动窗口的算法题主要分两种：
固定窗口大小的滑动窗口
在固定窗口大小的滑动窗口问题中，窗口的大小是预先定义好的，不会改变。这种类型的问题是相对简单的，因为一旦确定了窗口的大小，就可以直接遍历数组或列表，每次移动窗口一个元素的位置。常见的问题包括：
- 最大/最小子数组和：给定一个数组和一个固定大小的窗口，找到所有可能的窗口的最大/最小和。
- 窗口内元素的统计：例如，统计窗口内奇数或偶数元素的数量。
- 窗口内元素的频率统计：统计窗口内每个元素出现的次数。
解决这类问题的关键在于维护窗口内的状态，以便在窗口滑动时能够快速更新状态。通常可以使用队列、双端队列（deque）或哈希表来维护窗口内的状态。
动态窗口大小的滑动窗口
动态窗口大小的滑动窗口问题则更为复杂，因为窗口的大小不是固定的，而是根据某些条件动态变化的。这类问题通常涉及到在窗口内寻找满足特定条件的子数组或子串。常见的问题包括：
- 无重复字符的最长子串：找到最长的不包含重复字符的子串。
- 包含所有字符的最短子串：给定一个字符串和一个字符集合，找到包含所有字符集合中字符的最短子串。
- 滑动窗口内的特定条件：例如，找到窗口内所有元素的乘积小于等于给定值的最大窗口。
解决这类问题的关键在于如何高效地扩展和收缩窗口，同时维护窗口内的状态。常用的数据结构包括：
- 双端队列（deque） ：用于维护窗口内元素的顺序，以便快速找到窗口的边界。
- 哈希表：用于快速查找和更新窗口内元素的频率。
- 前缀和/前缀最大/最小值：用于快速计算窗口内元素的和、最大值或最小值。
在解决动态窗口大小的滑动窗口问题时，通常需要维护一个滑动窗口的左右指针，并根据特定条件来移动这些指针。例如，当窗口内不满足条件时，移动左指针来缩小窗口；当窗口内满足条件但需要寻找更优解时，移动右指针来扩展窗口。一般常见的是右指针实现扩张，通过扩张不断找到复核人要求的字符串，然后左指针实现收缩，寻求当前字符串下的最小的边界。
下面关于动态的滑动窗口给出题目，感兴趣的可以看下（掘金链接）：最小替换子串长度 - MarsCode
问题描述
小F得到了一个特殊的字符串，这个字符串只包含字符A、S、D、F，其长度总是4的倍数。他的任务是通过尽可能少的替换，使得A、S、D、F这四个字符在字符串中出现的频次相等。求出实现这一条件的最小子串长度。
测试样例
样例1：
输入：input = "ADDF"
输出：
1
样例2：
输入：input = "ASAFASAFADDD"
输出：
3
样例3：
输入：input = "SSDDFFFFAAAS"
输出：
1
样例4：
输入：input = "AAAASSSSDDDDFFFF"
输出：
0
样例5：
输入：input = "AAAADDDDAAAASSSS"
输出：4
求解代码：
