双指针是算法中一种常用的技巧，特别适用于数组和链表类问题。它的核心思想是使用两个指针以不同的策略遍历数据结构，从而高效地解决问题。
双指针常见的三种类型：
（1）快慢指针：两个指针从同一侧开始移动，但移动速度不同。
适用范围：这种⽅法对于处理环形链表或数组⾮常有⽤。
实现方式：快慢指针的实现方式有多种，但常见的是在⼀次循环中，每次让慢的指针向后移动⼀位，⽽快的指针往后移动两位，实现⼀快⼀慢。
下面的例题会解析快慢指针的用法：
核心思想：
这个代码中我们会用到两个指针，一个fast指针一个slow指针，快指针用来遍历整个数组，而慢指针用来指向非0的位置，遇到非0元素+1即可
class Solution { public: void moveZeroes(vector<int>& nums) { int slow = -1; int fast = 0; for(;fast < nums.size();fast++) { if(nums[fast]) { swap(nums[++slow],nums[fast]); } } } };（2）左右指针（对撞指针）：两个指针分别指向序列的开头（左）和结尾（右），然后向中间移动，直到它们相遇。
特点：指针移动方向是相对的。
适用范围：主要适用于数组和字符串，通常要求序列是有序的。
来一道例题来解析对撞指针的用法：
class Solution { public: int maxArea(vector<int>& height) { int left = 0; int right = height.size() - 1; int ret = 0; while(left < right) { int high = min(height[right],height[left]); int width = right - left; int nowret = high * width; ret = max(ret,nowret); if(height[right] > height[left]) { left++; } else { right--; } } return ret; } };这道题让我们求承最多水的容器，也就是求面积最大的区域，所以这道题我们应该找出面积最大的区域。我们可以先定义出一个left和一个right用来表示height数组中的最左侧位置和最右侧位置，然后我们通过min来比较谁的高度比较小并且与距离相乘用来求出当前区域的面积。然后与最大的面积相比留下最大的面积，随后我们比较right和left所对应的数组元素的高度，较小的一方缩进数组，随后再重复以上方法，进而比较出面积最大的区域。
为什么要移去较小边界的那一端呢？
因为当我们移动较高边界那一端时，最低的高度不变，反而宽度减小，这样并不会生成面积更大的数组，反而当我们把数组较小的那一端移去，虽然宽度减小，但是有可能高度会增加，进而产生的面积可能比原来的最大面积更大。
（3）滑动窗口：滑动窗口是双指针的一种高级用法，两个指针形成一个窗口（区间），通过移动左右指针来动态地维护这个窗口，从而解决问题。
适用场景：寻找满足某种条件的连续子数组或子字符串（如：最小覆盖子串、长度最小的子数组、无重复字符的最长子串。）。
核心思想：
1.right指针向右扩张窗口，直到窗口内的元素满足条件。
2.然后left指针向右收缩窗口，同时更新最优解，直到窗口不再满足条件。
3.重复步骤 1 和 2，直到right到达末尾。
例题：
class Solution { public: int minSubArrayLen(int target, vector<int>& nums) { int left = 0; int right = 0; int sum = 0; int min_len = INT_MAX; for(;right < nums.size();right++) { sum += nums[right]; while(sum >= target) { min_len = min(min_len,right - left +1); sum -= nums[left]; left++; } } return (min_len == INT_MAX ? 0 : min_len); } };我们定义两个指针left和right，初始都指向数组的起始位置。再定义出定义sum记录当前窗口的和，min_len记录最小长度。随后将nums[right]加到sum中，表示扩展窗口的右边界。right向右移动，直到sum >= target。当sum >= target时，尝试收缩窗口的左边界：计算当前窗口的长度right - left + 1，并更新min_len。将nums[left]从sum中减去，然后left右移。重复此过程，直到sum < target（窗口不再满足条件）。当right遍历完整个数组后，返回min_len。如果min_len未被更新（即没有满足条件的子数组），返回0。
为什么滑动窗口有效，并且时间复杂度更低呢？
因为这个数组都是正整数，这意味着我们向右扩展窗口时，数组内元素之和是严格递增的，当我们向右收缩窗口时，数组内元素之和也是严格递减的。不会出现反复回溯的情况。通过left和right两个指针，滑动窗口可以不遗漏任何可能的连续的子数组。避免了暴力解法中的重复计算。通过每次发现sum >= target,记录当前窗口的长度并且进行比较，一旦sum < target就停止收缩直接扩展窗口避免无效计算。
时间复杂度：虽然代码是两层循环，但是我们的 left 指针和 最多都往后移动 n 次。因此时间复杂度是 O(N) 。
