代码随想录-day04-长度最小的子数组

一、209.长度最小的子数组

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 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。

代码随想录提供的O(n) 时间复杂度的解法，是滑动窗口的解法：

class Solution {
    public int minSubArrayLen(int target, int[] nums) {
		int left = 0;
		int sum = 0;
		// 考虑有多个符合情况的子数组，为了后续找到最小的长度子数组
		int result = Integer.MAX_VALUE;
		for (int right = 0; right < nums.length; right++) {
			sum += nums[right];
			while (sum >= target) {
				/**
				 * +1的原因： 加入目标数是5，数组是[2,3,1,2,4,3]
				 * 那么2+3就等于5，此时left=0，right=1，但是实际要输出的是长度2，而不是两者的差值
				 */
				result = Math.min(result, right - left + 1);
				sum -= nums[left++];
				// 上一行代码与下列代码作用相同
				// sum -= nums[left];
				// left++;
			}
		}
		return result == Integer.MAX_VALUE ? 0 : result;
	}
}

leetcode上的大佬就是多啊，不理解这个方法的小伙伴可以看看下面这段话，解释的很形象，哈哈哈

可以理解为左右指针中间窗口的sum为两指针的“共同财产”，就是右指针一直在努力工作挣钱，好不容易共同财产大过target，记录一下两指针之间的距离，结果左指针就开始得瑟挥霍，不停花钱（往右移动），结果花钱一直花到sum又小过target，此时右指针不得不再次出来工作，不停向右移动，周而复始，最后取左右指针离得最近的时候