一、数组（5）：长度最小的子数组

题目链接： https://leetcode-cn.com/problems/minimum-size-subarray-sum/

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，并返回其长度。如果不存在符合条件的子数组，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子数组。

一、暴力解法

这道题目暴力解法当然是 两个for循环，然后不断的寻找符合条件的子序列，时间复杂度很明显是O(n^2) 。

代码如下：

class Solution {
public:
    int minSubArrayLen(int s, vector<int>& nums) {
       
        // 最终的结果，这里要取一个很大的值；若需要返回最长的数列，这里相反，取0；自己理解一下！
        int result = INT32_MAX; 

        int sum = 0; // 子序列的数值之和
        int subLength = 0; // 子序列的长度
        for (int i = 0; i < nums.size(); i++) { // 设置子序列起点为i
            sum = 0; // 这里注意一下 ！
            for (int j = i; j < nums.size(); j++) { // 设置子序列终止位置为j
                sum += nums[j];
                if (sum >= s) { // 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 = result < subLength ? result : subLength;

               // 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，跳出一层 for循环；
                    break; 
                }
            }
        }
        // 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 result == INT32_MAX ? 0 : result;
    }
};

时间复杂度：$O(n^2)$ 空间复杂度：$O(1)$

二、滑动窗口

接下来就开始介绍数组操作中另一个重要的方法：滑动窗口。

所谓滑动窗口，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。

这里还是以题目中的示例来举例，s=7， 数组是 2，3，1，2，4，3，来看一下查找的过程：

最后找到 4，3 是最短距离。

其实从动画中可以发现滑动窗口也可以理解为双指针法的一种！只不过这种解法更像是一个窗口的移动，所以叫做滑动窗口更适合一些。

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，窗口的起始位置设置为数组的起始位置就可以了。

解题的关键在于 窗口的起始位置如何移动，如图所示：

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)的暴力解法降为O(n)。

C++代码如下：

class Solution {
public:
    int minSubArrayLen(int s, vector<int>& nums) {
        int result = INT32_MAX;
        int sum = 0; // 滑动窗口数值之和
        int i = 0; // 滑动窗口起始位置
        int subLength = 0; // 滑动窗口的长度
        for (int j = 0; j < nums.size(); j++) {
            sum += nums[j];
            // 注意这里使用while，每次更新 i（起始位置），并不断比较子序列是否符合条件
            while (sum >= s) {
                subLength = (j - i + 1); // 取子序列的长度
                result = result < subLength ? result : subLength;
                sum -= nums[i++]; // 这里体现出滑动窗口的精髓之处，不断变更i（子序列的起始位置）
            }
        }
        // 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 result == INT32_MAX ? 0 : result;
    }
};





-----------------------------------------------------------------------------------------


#include <iostream>
#include <vector>

using namespace std;


class solution
{
    public:
    int minSubArrayLen(int target, vector<int>& A)
    {
       int result = INT32_MAX;
       int i = 0;
       int length = 0;
       int sum = 0;
       
       for(int j = 0; j<A.size(); j++)
       {
           sum += A[j];
           
           while(sum>=target)
           {
              length = j - i + 1;
              result = result < length ? result:length;
              sum -= A[i++];
           }
           
       }
       
       return result == INT32_MAX? 0:result;
        
    }
    
};


int main()
{
    solution solu;
    vector<int> A;
    int result = 0;
    int target = 7;
    
    A.push_back(2);A.push_back(3);A.push_back(1);
    A.push_back(2);A.push_back(4);A.push_back(3);
    
    for(int i = 0; i<A.size(); i++)
    {
        cout<<"A"<<i<<"="<<A[i]<<endl;
    }
    
    result = solu.minSubArrayLen(target,A);
    cout << "The length of minial subway array is " << result << endl; 
    
   cout << "Hello World" << endl; 
   
   return 0;
}

时间复杂度：$O(n)$
空间复杂度：$O(1)$

一些录友会疑惑为什么时间复杂度是O(n)。

不要以为for里放一个while就以为是$O(n^2)$啊， 主要是看每一个元素被操作的次数，每个元素在滑动窗后进来操作一次，出去操作一次，每个元素都是被被操作两次，所以时间复杂度是2 * n 也就是$O(n)$。

#相关题目推荐

• 904.水果成篮(opens new window)
• 76.最小覆盖子串