解題思路：

1. 初始化窗口元素： 遍歷前 k 個元素，構建初始單調隊列。若當前索引對應值大于等于隊尾索引對應值，移除隊尾索引，將當前索引加入隊尾。遍歷結束時當前隊頭索引即為當前窗口最大值，將其存入結果數組。
2. 處理剩余元素： 對于 k+1 之后的元素，加入規則同上。若隊頭索引已不在當前窗口范圍內（即deque.peekFirst() <= i - k），則移除隊頭索引。當前隊頭索引即為窗口最大值，將其存入結果數組。

Java代碼：

public class Solution {public int[] maxSlidingWindow(int[] nums, int k) {int n = nums.length;Deque<Integer> deque = new ArrayDeque<>();for (int i = 0; i < k; ++i) {while (!deque.isEmpty() && nums[i] >= nums[deque.peekLast()]) {deque.pollLast();}deque.offerLast(i);} int[] res = new int[n - k + 1];res[0] = nums[deque.peekFirst()];for (int i = k; i < n; ++i) {while (!deque.isEmpty() && nums[i] >= nums[deque.peekLast()]) {deque.pollLast();}deque.offerLast(i);if (deque.peekFirst() <= i - k) {deque.pollFirst();}res[i - k + 1] = nums[deque.peekFirst()];}return res;}
}

復雜度分析：

• 時間復雜度： O(n)，每個元素最多入隊和出隊一次，因此總操作次數為線性時間。

• 空間復雜度： O(k)，最壞情況下，隊列中存儲窗口內所有元素的索引（當數組嚴格遞減時）。

解題思路：

1. 字符統計初始化： 使用兩個長度為 256 的數組 countT 和 countS，分別統計 t 中每個字符的出現次數，以及當前窗口中 s 的字符出現次數。
2. 滑動窗口遍歷： 右指針 r：遍歷 s，將字符納入窗口，并更新 countS。?左指針 l：當窗口滿足包含 t 所有字符的條件時，盡可能向右收縮窗口，以尋找更小的有效窗口。
3. 窗口有效性判斷： 通過 isInclude 方法檢查當前窗口的字符是否覆蓋了 t 的所有字符。
4. 更新最小窗口： 每次找到有效窗口時，記錄其長度和位置，最終返回最小的窗口子串。

Java代碼：

class Solution {public String minWindow(String s, String t) {char[] S = s.toCharArray();char[] T = t.toCharArray();int n = S.length;int left = -1;int right = n;int[] countS = new int[128];int[] countT = new int[128];for (int i = 0; i < T.length; i++) {countT[T[i]]++;}int l = 0;for (int r = 0; r < n; r++) {countS[S[r]]++;while (isInclude(countS, countT)) {if (r - l < right - left) {right = r;left = l;}countS[S[l]]--;l++;}}return left < 0 ? "" : s.substring(left, right + 1);}public boolean isInclude(int[] countS, int[] countT) {for (int i = 0; i < 128; i++) {if (countS[i] < countT[i]) {return false;}}return true;}
}

復雜度分析：

• 時間復雜度： O(n)，左右指針移動最多 2n 次。
• 空間復雜度： O(1)，使用固定大小的數組，與輸入規模無關。