LeetCode 209:长度最小的子数组 ← 滑动窗口

【题目来源】
https://leetcode.cn/problems/minimum-size-subarray-sum/description/

【题目描述】
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。

【测试样例】
【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<=10^9
1<=nums.length<=10^5
1<=nums[i]<=10^5

【算法分析】
● 
INT_MAXINT_MIN 是 C++ 的两个宏,代表了整型变量能够存储的最大正整数和最小负整数,分别为 2147483647-2147483648INT_MAX 比十六进制数 0x3f3f3f3f 表示的数更大

#include<bits/stdc++.h>
using namespace std;

int main() {
    cout<<INT32_MAX<<endl; //2147483647
    cout<<INT32_MIN<<endl; //-2147483648
    
    return 0;
}

●​​​​​​​ 本代码运行后,需要按 Ctrl+Z 终止运行后,回车才能返回运行结果。
● 在常见的算法刷题网站中,算法题的提交有
ACM 模式核心代码模式(以类中自定义函数的形式呈现)。比如,若以求两数之和的代码为例,ACM 模式与核心代码模式对应的代码分别如下所示。
(1)ACM 模式

#include<bits/stdc++.h>
using namespace std;

int twoSum(int x,int y) {
    return x+y;
}

int main() {
    int x,y;
    cin>>x>>y;
    cout<<twoSum(x,y)<<endl;

    return 0;
}

/*
in:2 3
out:5
*/

(2)核心代码模式

class Solution {
    public:
        int twoSum(int x,int y) {
            return x+y;
        }
};

● 在 LeetCode 中,代码提交采用核心代码模式。故本例在 LeetCode 中的代码如下所示。

class Solution {
    public:
        int minSubArrayLen(int target, vector<int>& nums) {
            int n=nums.size();
            int sum=0, res=INT32_MAX;
            for(int i=0, j=0; j<n; j++) {
                sum+=nums[j];
                while(sum>=target) {
                    res=min(res, j-i+1);
                    sum-=nums[i++];
                }
            }
            return res==INT32_MAX?0:res;
        }
};

【算法代码】

#include<bits/stdc++.h>
using namespace std;

int minSubArrayLen(int target,vector<int>& nums) {
    int n=nums.size();
    int sum=0,res=INT32_MAX;
    for(int i=0,j=0; j<n; j++) {
        sum+=nums[j];
        while(sum>=target) {
            res=min(res,j-i+1);
            sum-=nums[i++];
        }
    }
    return res==INT32_MAX?0:res;
}

int main() {
    int target,x;
    cin>>target;
    vector<int> nums;
    while(cin>>x){
        nums.push_back(x);
    } 
    cout<<minSubArrayLen(target,nums)<<endl;
    
    return 0;
}

/*
in:
7
2 3 1 2 4 3

out:
2
*/





【参考文献】
https://blog.csdn.net/qq_41094332/article/details/122973987
https://blog.csdn.net/DuanNaiLin/article/details/134340774
https://blog.csdn.net/code_peak/article/details/128435905


 

  • 7
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值