题源: 209. 长度最小的子数组
解题思路
本题可以利用滑动窗口(双指针技术)来解决。滑动窗口是一个常用来解决数组/字符串相关问题的技术,特别是涉及到连续子数组问题时非常有效。
滑动窗口算法步骤:
-
初始化:创建两个指针
l
和r
,都指向数组的起始位置。变量sum
用于存储窗口中元素的总和,res
存储满足条件的最小窗口长度。 -
窗口扩展:移动右指针
r
扩大窗口,每移动一次就加上nums[r]
的值到sum
。 -
窗口收缩:当
sum
大于等于target
时,尝试收缩窗口。更新最小窗口长度res
,然后逐步移动左指针l
减小窗口,同时更新sum
。 -
更新结果:如果在遍历过程中找到了满足条件的窗口,更新
res
为最小长度。如果未找到,则res
保持为初始化的INT32_MAX
。 -
返回结果:最后,如果
res
为INT32_MAX
表示未找到满足条件的子数组,应返回 0,否则返回res
。 -
这句代码
sum -= nums[l++];
是在处理滑动窗口问题时的关键操作,用于动态调整窗口的大小以及窗口内元素的总和。下面详细解析这句代码的作用和它如何运行:
核心代码
-
sum -= nums[l]
:这部分的功能是从当前维护的窗口的总和sum
中减去即将被移出窗口的元素的值,即nums[l]
。这是因为随着窗口的收缩(左边界向右移动),位于左边界的元素不再属于窗口,因此需要从总和中去除这个元素的值。 -
l++
:这部分的功能是将左指针l
向右移动一位。在C++中,l++
是后缀增量运算符,意味着首先使用l
的当前值完成所有其他运算,然后l
的值才增加1。因此,在减去nums[l]
之后,l
才自增,这样就更新了窗口的左边界。
执行流程
假设有一个数组 nums = [2, 3, 1, 2, 4, 3]
和目标值 target = 7
。使用滑动窗口寻找最小长度的子数组,其和至少为 target
。
- 初始时,
sum = 0
,l = 0
。 - 假设右指针
r
移动到某个位置后,窗口内元素的总和为sum = 8
,已经大于等于target
。 - 现在需要尝试缩小窗口以找到可能的更小窗口,也就是移动左指针
l
。在移动l
之前,需要从sum
中减去nums[l]
的值,即窗口最左边的元素。 - 执行
sum -= nums[l++]
后,nums[l]
的值被从sum
中减去,然后l
自增1,窗口的左边界向右移动。
效果
通过这种方式,滑动窗口算法能在保证总和满足条件的前提下,不断调整窗口大小,尝试找到满足条件的最小窗口。这种动态调整窗口大小的技术是滑动窗口问题中非常典型且高效的处理方式,能够在 O(n) 的时间复杂度内解决问题。
时间复杂度
时间复杂度为 O(n),其中 n 是数组 nums
的长度。尽管内层有一个 while
循环,但每个元素最多被操作两次(一次加入 sum
,一次从 sum
中减去),因此整体效率是线性的。
空间复杂度
空间复杂度为 O(1),因为只使用了常数个额外空间来存储变量。
Code
class Solution {
public:
int minSubArrayLen(int target, vector<int>& nums) {
int res = INT32_MAX;
int l = 0, sum = 0, len = 0;
for(int r = 0;r < nums.size();r ++){
sum += nums[r];
while(sum >= target){
len = r - l + 1;
res = res>len ? len:res;
sum -= nums[l ++]; //不断更新左起始点
}
}
return res == INT32_MAX? 0:res;
}
};