209. 长度最小的子数组（滑动窗口(优化)）

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

---

解题思路

因为有子数组，滑动窗口(双指针)：left 指针和 right 指针，开始时均指向数组的开头。

每当 right 指针指向一个新元素时，就用进行 sum 求和。
1.当 sum >= target 时，记录当前窗口的大小，并且 left 指针向右移动一位(因为，当前 right 指针指向的位置所得到的 sum 值已经不满足条件了，即使加上它后面的元素仍然不满足条件，因为 nums[i] >= 1)所以，left 指针右移并且让 right 指针与 left 指针指向同一位置，sum 值修改为 0，重新进行判断。
2.当 sum < target 时，直接令 right 指针右移一位，并且将 right 指针新指向的元素累加到 sum 中。

---

代码

class Solution {

    public int minSubArrayLen(int target, int[] nums) {

        int n = nums.length;
        int left = 0, right = 0;
        int MinLength = Integer.MAX_VALUE;
        int sum = 0;

        while (right < n) {

            sum += nums[right];
            if (sum >= target) {

                MinLength = Math.min(MinLength, right - left + 1);
                left++;
                right = left;
                sum = 0;
            } else {

                right++;
            }
        }
        return MinLength == Integer.MAX_VALUE ? 0 : MinLength;
    }
}

时间复杂度：因为只遍历了一次 nums 数组且长度为 n，所以复杂度为O(n)
空间复杂度：因为没有开辟任何新的空间，所以复杂度为O(1)

---

优化

将 while 循环中的 if 改成 while，这样 sum 不需要在不符合条件时，重新修改为 0，将之前已经添加过的元素再重新添加一遍，节省了代码执行的时间。

class Solution {

    public int minSubArrayLen(int target, int[] nums) {

        int n = nums.length;
        int left = 0, right = 0;
        int MinLength = Integer.MAX_VALUE;
        int sum = 0;

        while (right < n) {

            sum += nums[right];
            while (sum >= target) {

                MinLength = Math.min(MinLength, right - left + 1);
                sum -= nums[left];
                left++;
            }
            right++;
        }
        return MinLength == Integer.MAX_VALUE ? 0 : MinLength;
    }
}

---

滑动窗口类型的题目中的 while 中的判断条件有时候用 while 比用 if 好一些！！