目录
1.题目描述
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和 ≥ target
的长度最小的 连续子数组 [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
- 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 <= 10^9
1 <= nums.length <= 10^5
1 <= nums[i] <= 10^5
进阶
如果你已经实现 O(n) 时间复杂度的解法, 请尝试设计一个 O(n log(n)) 时间复杂度的解法。
2.题目解答
方法一:滑动窗口相加型
解题思路
1.窗口就是满足其和 ≥ s 的长度最小的连续子数组。
2.窗口的起始位置如何移动:如果当前窗口的值大于s了,窗口就要向前移动了(也就是该缩小了)。
3.窗口的结束位置如何移动:窗口的结束位置就是遍历数组的指针,也就是for循环里的索引。
4.滑动窗口的精妙之处在于根据当前子序列和大小的情况,不断调节子序列的起始位置,从而将O(n^2)暴力解法降为O(n)。
5.时间复杂度O(n),空间复杂度O(1)。
public class Solution {
public int minSubArrayLen(int target, int[] nums) {
int sum = 0;
int start = 0;
int result = Integer.MAX_VALUE;
for (int end = 0; end < nums.length; end++) {
sum += nums[end];
while (sum >= target) {
result = Math.min(result, (end - start + 1));
sum -= nums[start++];
}
}
return result == Integer.MAX_VALUE ? 0 : result;
}
}
方法二:滑动窗口相减型
解题思路
1.窗口满足的条件:target减去当前窗口之和≤0。
2.时间复杂度O(n),空间复杂度O(1)。
public class Solution {
public int minSubArrayLen(int target, int[] nums) {
int start = 0;
int result = Integer.MAX_VALUE;
for (int end = 0; end < nums.length; end++) {
target -= nums[end];
while (target <= 0) {
result = Math.min(result, (end - start + 1));
target += nums[start++];
}
}
return result == Integer.MAX_VALUE ? 0 : result;
}
}
方法三:前缀和+二分查找
解题思路
1.创建数组sums用于存储数组nums的前缀和,其中sums[i]表示从nums[0]到nums[i−1]的元素和。
2.因为这道题保证了数组中每个元素都为正,所以前缀和一定是递增的,这一点保证了二分的正确性。如果题目没有说明数组中每个元素都为正,这里就不能使用二分来查找了。
3.只需要找到sums[end]-sums[start]>=target,那么 end-start 就是满足的连续子数组,但不一定是最小的,所以要继续找,直到找到最小的为止。
4.求 sums[end]-sums[start]>=target 等价于求 sums[start]+target<=sums[end],因为数组sums中的元素是递增的,也就是排序的,只需要求出 sum[start]+target 的值,然后使用二分法查找即可找到这个end。
public class Solution {
public int minSubArrayLen(int target, int[] nums) {
int[] sums = new int[nums.length + 1];
for (int i = 1; i <= nums.length; i++) {
sums[i] = sums[i - 1] + nums[i - 1];
}
int result = Integer.MAX_VALUE;
for (int start = 0; start < sums.length; start++) {
int sumsEnd = sums[start] + target;
int end = Arrays.binarySearch(sums, sumsEnd);
if (end < 0) {
// 等价于按位取反 end = ~end;
end = -end - 1;
}
if (end < sums.length) {
result = Math.min(result, end - start);
}
}
return result == Integer.MAX_VALUE ? 0 : result;
}
}