題目描述：給定兩個字串 s1 和 s2，判斷 s2 中是否包含 s1 的任意一個排列（permutation）作為子字串。換句話說，判斷 s2 是否有一個長度與 s1 相同的連續子字串，其字元組成與 s1 完全相同（不計順序）。
解題思路：這道題是經典的**固定大小滑動視窗（Sliding Window）**問題。
s1 的任意排列都具有相同的字元頻率。因此，問題轉化為：s2 中是否存在一個長度為 s1.length() 的子字串，其字元頻率與 s1 完全相同。
演算法：
s1 的字元頻率統計（大小為 26 的陣列）。s1.length() 的滑動視窗在 s2 上移動，維護視窗內的字元頻率。s1 的頻率陣列相同，回傳 true。優化：維護一個 matches 計數器（0~26），記錄頻率已匹配的字元種類數。每次視窗移動時更新 matches，當 matches == 26 時表示完全匹配，避免每步都做陣列比較（O(26) → O(1) per step）。
時間複雜度：O(n) — 其中 n 為 s2 的長度。滑動視窗每個字元最多被加入和移除各一次，每步的視窗更新操作為 O(1)（只需更新單一字元頻率和 matches 計數器）。初始化階段為 O(26 + |s1|)，可視為常數。
空間複雜度：O(1) — 使用兩個大小固定為 26 的陣列儲存字母頻率，空間與輸入大小無關。
1. If len(s1) > len(s2): return false 2. Build count1[26] for s1, count2[26] for first window of s2 (size = len(s1)) 3. Count initial matches = number of indices i where count1[i] == count2[i] 4. Set l = 0 5. For r from len(s1) to len(s2) - 1: a. If matches == 26: return true b. Add s2[r] to window: increment count2[s2[r]], update matches c. Remove s2[l] from window: decrement count2[s2[l]], update matches d. l++ 6. Return matches == 26
直接陣列比較滑動視窗 O(26n)：同樣使用滑動視窗，但每次視窗移動後直接比較兩個長度為 26 的頻率陣列是否相等，時間複雜度為 O(26n)。實作更直觀，但引入 O(26) 的常數因子。
排序比較 O(n × |s1| log |s1|)：對 s1 排序，然後枚舉 s2 的每個長度為 |s1| 的子字串並排序比較。時間複雜度遠高於滑動視窗法，僅適合理解題意時的暴力解。
s2 中所有 s1 排列的起始索引」（LeetCode 438 Find All Anagrams in a String），如何修改上述演算法？matches 優化技巧（避免每步比較整個頻率陣列）的本質是什麼？是否可以推廣到其他需要頻繁比較計數的問題？