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

子数组

 [numsl, numsl+1, ..., numsr-1, numsr] ，并返回其长度。如果不存在符合条件的子数组，返回 0 。

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 <= 109
• 1 <= nums.length <= 105
• 1 <= nums[i] <= 105

进阶：

• 如果你已经实现 O(n) 时间复杂度的解法, 请尝试设计一个 O(n log(n)) 时间复杂度的解法。

滑动窗口法：

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。

只用一个for循环，这个循环的索引，一定是表示 滑动窗口的终止位置

当窗口内元素和大于等于目标值时，就要向前移动

class Solution {
    public int minSubArrayLen(int target, int[] nums) {
        int slow =0;//窗口起始位置
        int sum=0;//窗口内元素和
        int minSize=Integer.MAX_VALUE;//最小长度
        for(int j=0;j<nums.length;j++){
            sum+=nums[j]; //先起始位置不动，移动窗口结束位置，计算和
            while(sum>=target){//当和大于等于目标值时，结束位置不动，移动起始位置，窗口缩小
                minSize = Math.min(j-slow+1,minSize);//重新计算最小长度，注意长度计算是结束位置-起始位置+1
                sum-=nums[slow];//先把出窗口的元素从和中减去
                slow++;//起始位置指针向前移动
            }
        }
        return minSize==Integer.MAX_VALUE?0:minSize;//防止出现nums.length=0情况

    }
}

为什么内层不用if判断而要用while

这种场景下，窗口和仍然是大于等于目标值的，如果不用while,那么就开始移动结束位置元素，起始位置不动了，实际上窗口内元素只有在小于目标值时，才能移动结束位置，否则需要移动开始位置