LeetCode209:长度最小子数组
题目(难度:中等):
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
链接:209.长度最小的子数组
解题方法:滑动窗口
所谓滑动窗口,就是不断调节子序列的起始位置和终止位置,从而得到我们想要的结果。
滑动窗口也可以理解为双指针法的一种,然后移动指针类似窗口一样滑动
以s=7,数组为[2,3,1,2,4,3]为例,步骤我画出来了:
i:滑动起始位置
j:滑动终止位置
方法一:
滑动窗口法(推荐)
class Solution:
def minSubArrayLen(self, s: int, nums: List[int]) -> int:
l = len(nums)
left = 0
right = 0
min_len = float('inf')
cur_sum = 0 #当前的累加值
while right < l:
cur_sum += nums[right]
while cur_sum >= s: # 当前累加值大于目标值
min_len = min(min_len, right - left + 1)
cur_sum -= nums[left]
left += 1
right += 1
return min_len if min_len != float('inf') else 0
方法二:
暴力解法
在暴力解法中,是一个for循环滑动窗口的其实位置,一个为滑动窗口的终止位置,用两个for循环完成了一个不断搜索区间的过程。这样时间复杂度为O(n^2)
class Solution:
def minSubArrayLen(self, s: int, nums: List[int]) -> int:
l = len(nums)
min_len = float('inf')
for i in range(l):
cur_sum = 0
for j in range(i, l):
cur_sum += nums[j]
if cur_sum >= s:
min_len = min(min_len, j - i + 1)
break
return min_len if min_len != float('inf') else 0
总结:
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,可以将复杂度降为O(n)