题目
给定一个含有 n 个正整数的数组和一个正整数 target 。
找出该数组中满足其总和大于等于 target 的长度最小的
子数组
[numsl, numsl+1, …, numsr-1, numsr] ,并返回其长度。如果不存在符合条件的子数组,返回 0 。
示例 1:
输入:target = 7, nums = [2,3,1,2,4,3]
输出:2
解释:子数组 [4,3] 是该条件下的长度最小的子数组。
示例 2:
输入:target = 4, nums = [1,4,4]
输出:1
示例 3:
输入:target = 11, nums = [1,1,1,1,1,1,1,1]
输出:0
提示:
1 <= target <= 109
1 <= nums.length <= 105
1 <= nums[i] <= 105
算法
这里用到的是滑动窗口算法,利用双指针实现,双指针中间的区域作为窗口,随着左右指针的移动,改变窗口的大小。这是我的写法。通过是通过了,但是可以看到里面的判断逻辑并不是很精炼。
class Solution {
public:
int minSubArrayLen(int target, vector<int>& nums) {
int l = 0;
int r = 0;
int sum = 0;
int length = nums.size();
int m = INT_MAX;
// 当窗口右侧超过数组 并且 窗口大小为0的时候,结束。
while (r < length || l <= r) {
cout << l << " " << r << sum << endl;
// 这里移动窗口右侧,直到sum(窗口内部的元素之和大于等于target)
while (sum < target && r < length) {
sum += nums[r];
r ++;
}
// 当sum 满足条件时,对最小窗口长度进行更新
if (sum >= target) {
m = min(m, r - l);
sum -= nums[l];
}
// l++为什么放在外层?
// 是因为sum满足条件时,需要右移;当r移动到数组最右侧时,也需要l右移。否则会陷入死循环
l++;
}
if (m == INT_MAX) {
return 0;
}
return m;
}
};
和carl的做一下对比代码随想录209长度最小子数组
// 这是carl 代码随想录版本,在这引用
class Solution {
public:
int minSubArrayLen(int s, vector<int>& nums) {
int result = INT32_MAX;
int sum = 0; // 滑动窗口数值之和
int i = 0; // 滑动窗口起始位置
int subLength = 0; // 滑动窗口的长度
// 这里只需要考虑 窗口右侧到达边界
for (int j = 0; j < nums.size(); j++) {
// 这里向右扩大窗口
sum += nums[j];
// 注意这里使用while,每次更新 i(起始位置),并不断比较子序列是否符合条件
while (sum >= s) {
subLength = (j - i + 1); // 取子序列的长度
result = result < subLength ? result : subLength;
//当sum >= s的时候,才需要变更i
sum -= nums[i++]; // 这里体现出滑动窗口的精髓之处,不断变更i(子序列的起始位置)
}
}
// 如果result没有被赋值的话,就返回0,说明没有符合条件的子序列
return result == INT32_MAX ? 0 : result;
}
};
总结
相比carl的版本,很明显。我的版本,考虑的很复杂。没有carl的精简易懂,因此边界条件也变得很复杂,不是一个很好的版本。