[Algorithm]力扣 209.长度最小的子数组

题目

难度：中等
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

思路

一、暴力枚举

通过两个 for 循环暴力搜索符合要求的子序列，显然这个算法的时间复杂度是O(n^2)，以下为C++实现：

class Solution {
public:
    int minSubArrayLen(int s, vector<int>& nums) {
        int result = INT_MAX; // result是最终的结果
        int sum = 0; // 子序列的数值之和
        int subLength = 0; // 子序列的长度
        for (int i = 0; i < nums.size(); i++) { // 设置子序列起点为i
            sum = 0;
            for (int j = i; j < nums.size(); j++) { // 设置子序列终止位置为j
                sum += nums[j];
                if (sum >= s) { // 一旦发现子序列和超过了s，更新result
                    subLength = j - i + 1; // 取子序列的长度
                    if (result < subLength) result = result;
                    else result = subLength;
                    break; // 符合条件后停止搜索
                }
            }
        }
        // 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;
    }
};

优点：简单易实现
缺点：时间复杂度高，易TLE

二、滑动窗口

该算法的本质是双指针
左指针为 l 右指针为 r，两个指针不停向前滑动形成以一个动态的区间，过程像滑动窗口。
通过右边缘不断通过for循环前进，代表的是在最大的当前索引下的符合题目要求的情况，每次与result做对比，总保证result为最小。显然时间复杂度为O(n)

class Solution {
public:
    int minSubArrayLen(int target, vector<int>& nums) {
        int result = INT_MAX;	// 结果
        int sum = 0;	// 总和
        int subLength = 0;	// 字串长度
        int l = 0;	// 左指针，右指针 r 在for循环中
        for (int r = 0; r < nums.size(); r++) {
            sum += nums[r];
            while (sum >= target) {
                subLength = (r - l + 1);
                result = subLength > result ? result : subLength;
                // 左边缘右滑
                sum -= nums[l];
                l++;
            }
        }
        if (result == INT_MAX) result = 0;
        return result;
    }
};

优点：时间复杂度降低
缺点：思路较为复杂