问题描述:
给定一个含有 n 个正整数的数组和一个正整数 s ,找出该数组中满足其和 ≥ s 的长度最小的连续子数组。如果不存在符合条件的连续子数组,返回 0。
示例:
输入: s = 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连续子数组
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/minimum-size-subarray-sum
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。
算法一:二分查找
先构建一个sums[]数组,sums[i]为从0到i的元素之和。
并且有如下结论:
i到j之间元素之和 sum= sums[j] - sums[i] + nums[i]
由于想要找到sum >= a的问题可以转化为:找 sums[j] >= a + sums[i] - nums[i] = target的问题,
如此就可以采用二分查找的方式从sums中找到不小于target的第一个元素。
实现代码如下:
public static int minSubArrayLen(int s, int[] nums) {
int result = nums.length + 1;
int[] sums = new int[nums.length];
for (int i = 1; i < sums.length; i++) {
sums[i] = sums[i - 1] + nums[i];
}
// 找到从i到N-1满足条件的解
for (int i = 0; i < sums.length; i++) {
if (sums[sums.length - 1] - sums[i] + nums[i] < s) {
break;
}
int left = i, right = sums.length -1, mid;
int temp = s + sums[i] - nums[i];
int optIndex = binSearch(sums, temp, left, right);
result = Math.min(result, optIndex - i + 1);
}
return result == nums.length + 1 ? 0 : result;
}
/*
* find sums[i] >= target first i
*/
public static int binSearch(int[] sums, int target, int left, int right) {
int mid = 0;
while (left < right - 1) {
mid = left + (right - left) / 2;
if (sums[mid] >= target) {
right = mid;
} else {
left = mid;
}
}
if (sums[left] >= target) {
return left;
}
if (sums[right] >= target) {
return right;
}
return -1;
}
该算法的时间复杂度为O(NlogN),额外空间复杂度为O(N)。
算法二:双指针+滑动窗
两个指针一个指向窗头,一个指向窗尾,并且维护窗内的元素之和大于等于a,并且长度最短。
判断窗类元素是否大于等于a,若满足则更新结果,并把头指正右移;否则移动尾指针。迭代上述过程直到尾指针到最后一个元素为止。
实现代码如下:
public static int doublePointer(int s, int[] nums) {
int result = nums.length + 1;
int sum = 0;
for (int start = 0,end = 0; end < nums.length;) {
if (sum + nums[end] < s) {
sum += nums[end++];
}else {
result = Math.min(result, end + 1 - start);
sum -= nums[start++];
}
}
return result == nums.length + 1 ? 0 : result;
}
该算法由于只遍历一次,并且对于sum的计算都是O(1)的因此时间复杂度为O(N),由于只使用有限个中间变量,其额外空间复杂度为O(1)。