209.长度最小的子数组
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 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
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。
暴力解法
两个for循环,不断的寻找符合条件的子序列,时间复杂度:O(n^2)
。
结果:超时
class Solution:
def minSubArrayLen(self, target, nums):
result = float('inf') # 最终的结果
sublength = 0 # 子序列的长度
for i in range(len(nums)): # 设置子序列起点为 i
sum_ = 0 # 子序列的数值之和
for j in range(i, len(nums)): # 设置子序列终止位置为 j
sum_ += nums[j]
if sum_ >= target: # 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
result = min(result, sublength)
break # 因为我们是找符合条件最短的子序列,所以一旦符合条件就 break
else:
continue
# 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 0 if result == float('inf') else result
- 时间复杂度:O(n^2)
- 空间复杂度:O(1)
滑动窗口
滑动窗口,就是不断的调节子序列的起始位置和终止位置,从而得出我们要想的结果。
在本题中实现滑动窗口,主要确定如下三点:
- 窗口内是什么?
- 如何移动窗口的起始位置?
- 如何移动窗口的结束位置?
窗口就是 满足其和 ≥ s 的长度最小的 连续 子数组。
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)。
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。
解题的关键在于 窗口的起始位置如何移动:
可以发现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)。
代码如下:
class Solution(object):
def minSubArrayLen(self, target, nums):
i = 0
sum_ = 0
result = float('inf')
subLength = 0
for j in range(len(nums)):
sum_ += nums[j]
while sum_ >= target:
subLength = j - i + 1
result = min(result, subLength)
sum_ -= nums[i]
i += 1
return 0 if result == float('inf') else result
- 时间复杂度:O(n)
- 空间复杂度:O(1)