每日一练：LeeCode-209、长度最小的子数组【滑动窗口+双指针】

本文是力扣 每日一练：LeeCode-209、长度最小的子数组【滑动窗口+双指针】 学习与理解过程，本文仅做学习之用，对本题感兴趣的小伙伴可以出门左拐 LeeCode-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] 。

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

思路

暴⼒解法

两个for循环

class Solution {
    public int minSubArrayLen(int target, int[] nums) {
        int result = Integer.MAX_VALUE;
        int subLength=0;    //子序列的长度
        int sum=0;  //和
        for(int i=0;i<nums.length;i++){
            sum=0;
            for(int j=i;j<nums.length;j++){
                sum+=nums[j];
                if(sum>=target){
                    subLength=j-i+1;
                    result = result<subLength?result:subLength;
                    break;
                }
            }
        }
        return result==Integer.MAX_VALUE?0:result;
    }
}

时间复杂度：O(n^2)

空间复杂度：O(1)

滑动窗口

参考代码随想录

1、滑动窗口：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

• 在暴⼒解法中，是⼀个for循环滑动窗⼝的起始位置，⼀个for循环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。

• 滑动窗⼝⽤⼀个for循环来完成这个操作，而且一个for只能用在滑动窗口的 终止位置 上,反之若用在 起止位置 上，还是会有两层for循环，那就没意思了

2、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 的⻓度最⼩的 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），往右缩小。

  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，也就是for循环⾥的索引。

  解题的关键在于 窗⼝的起始位置如何移动，

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)暴⼒解法降为O(n)

class Solution {
    public int minSubArrayLen(int target, int[] nums) {
        int result = Integer.MAX_VALUE;
        int i=0;    //起始位置
        int subList;    //子序列的长度
        int sum=0;  //和
        for(int j=0;j<nums.length;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>=target){ //两个精髓；大于等于都是移动滑动窗口起始位置的标志
                subList=j-i+1;
                result = result<subList? result: subList;
                sum-=nums[i++];
            }
        }
        return result==Integer.MAX_VALUE?0:result;
    }
}

时间复杂度：O(n)
空间复杂度：O(1)