找出该数组中满足其和 ≥ target 的长度最小的连续子数组

芒西芒西

已于 2022-03-20 21:53:59 修改

阅读量155

点赞数

文章标签： leetcode 算法

于 2022-03-16 21:37:43 首次发布

本文链接：https://blog.csdn.net/m0_48263264/article/details/123536914

版权

这篇博客介绍了如何使用滑动窗口算法在O(n)的时间复杂度内解决寻找数组中和大于等于目标值的最小子数组长度的问题。示例展示了不同输入情况下算法的运行结果，并提出了进一步优化到O(nlog(n))时间复杂度的挑战。

摘要由CSDN通过智能技术生成

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和 ≥ target 的长度最小的连续子数组 [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。

在这里插入图片描述

滑动窗口（时间复杂度为O(n) ）

class Solution{
	public int minSubArrayLen(int target,int[] nums){
	
		 //Integer.MAX_VALUE表示int数据类型的最大取值数：2147483647
		int left = 0 ,sum = 0,minlen = Integer.MAX_VALUE;
		for(int right = 0 ; right < nums.length ; right++){
			sum += nums[right];
			while(sum >= target){
			
				//定义一个最大的int类型的取值数来保证最小的一定时j-i+1
                //数组中可能又许多个连续子数组的和正好等于target，所以必须要继续向后搜索，并且用minlen标记最小长度
				minlen = Math.min(minlen , right-left+1);
				sum -= nums[left++];
			}
		}

		 //如果minlen的数值未发生变化，即没有找到符合题意的子数组
		return minlen == Integer.MAX_VALUE ? 0 :minlen;
	}
}