最近在解决一个看似简单的算法问题时，我遇到了一个令人困扰的Runtime Error（RE）。经过仔细调试，发现问题的根源在于对数据范围的忽视和算法选择不当。今天我想分享这次经历，希望能帮助到遇到类似问题的朋友们。
问题描述
题目要求：给定一个长度为n的数组和整数m，找出所有长度为m的连续子数组的最小和。
数据范围：
对于100%的数据，保证 0≤m≤n≤3×10³
数组元素范围：1≤aᵢ≤100
初版代码与RE
我最开始写的代码是这样的：
#include<bits/stdc++.h> using namespace std; int main() { int n,m,a[100]; // 问题所在！ long long sum=0; cin>>n>>m; if(m>n||n<0||m<=0) { cout<<0; return 0; } for(int i=0;i<n;i++) { cin>>a[i]; // 当n>100时，这里会数组越界！ } long long min=INT_MAX; for(int i=0;i<=n-m;i++) { sum=0; for(int j=i;j<i+m;j++) { sum+=a[j]; } if(sum<min) min=sum; } cout<<min; return 0; }问题分析
1. 数组大小不足（致命错误）
问题：数组a的大小只有100，但题目中n最大可达3000。
后果：当输入n>100时，cin>>a[i]会访问a[100]到a[2999]，这些内存位置不属于数组a，导致数组越界，引发Runtime Error。
教训：永远要根据数据范围分配足够的数组空间。
2. 数据类型选择不当
问题：使用int min=INT_MAX但sum是long long。
潜在风险：如果sum的值超过INT_MAX（约21亿），比较和赋值可能出错。虽然题目中最大和=3000×100=300,000 < INT_MAX，不会出错，但这是不好的编程习惯。
教训：保持数据类型一致性，对于和值使用long long更安全。
3. 算法效率低下
问题：使用双重循环，时间复杂度O(n×m)。
计算：最坏情况n=3000, m=3000，需要约9百万次加法操作。虽然现代计算机能处理，但存在优化空间。
解决方案
修正版1：修复数组大小
int a[3001]; // 根据数据范围调整大小修正版2：完整正确的代码
#include<bits/stdc++.h> using namespace std; int main() { ios::sync_with_stdio(false); cin.tie(0); // 输入输出优化 int n, m, a[3001]; // 足够的空间 cin >> n >> m; // 处理边界情况 if(m == 0) { cout << 0 << endl; return 0; } if(m > n || m <= 0) { cout << 0 << endl; return 0; } for(int i = 0; i < n; i++) { cin >> a[i]; } long long min_sum = LLONG_MAX; // 使用正确的最大值 for(int i = 0; i <= n - m; i++) { long long sum = 0; for(int j = i; j < i + m; j++) { sum += a[j]; } if(sum < min_sum) { min_sum = sum; } } cout << min_sum << endl; return 0; }优化版：滑动窗口算法
#include<bits/stdc++.h> using namespace std; int main() { ios::sync_with_stdio(false); cin.tie(0); int n, m, a[3001]; cin >> n >> m; if(m == 0) { cout << 0 << endl; return 0; } for(int i = 0; i < n; i++) { cin >> a[i]; } // 滑动窗口算法 long long window_sum = 0; for(int i = 0; i < m; i++) { window_sum += a[i]; } long long min_sum = window_sum; // 滑动窗口，每次更新只需两次操作 for(int i = m; i < n; i++) { window_sum = window_sum - a[i - m] + a[i]; if(window_sum < min_sum) { min_sum = window_sum; } } cout << min_sum << endl; return 0; }重要教训总结
1. 仔细阅读数据范围
题目给出的数据范围不是摆设
要根据最大范围设计数据结构和算法
问自己：如果输入最大值，我的程序能处理吗？
2. 数组越界是常见的RE原因
C++不检查数组边界，越界可能导致不可预测的行为
使用vector可以避免固定大小的问题
静态数组要确保足够大
3. 选择合适的算法
暴力法适合小数据量
对于连续子数组问题，滑动窗口是常用优化
时间复杂度分析很重要
4. 注意边界条件
m=0时，子数组长度为0，和为0
m=n时，只有一个子数组（整个数组）
n=0时，空数组
5. 编程习惯
避免使用保留字（如
min,max）作为变量名使用有意义的变量名
添加适当的注释
结语
这次RE经历让我深刻认识到：细节决定成败。一个看似简单的数组大小问题，就能导致整个程序崩溃。在编程中，我们需要：
仔细审题：理解所有要求和约束
周全考虑：思考各种边界情况
选择合适工具：根据问题特点选择算法和数据结构
充分测试：用各种用例验证程序正确性
