代码星球｜数组-滑动窗口-leetcode 209-CSDN博客

本文链接：https://blog.csdn.net/m0_51938223/article/details/136359649

本文介绍了解决给定数组中满足总和大于等于特定值的最小长度连续子数组问题，通过使用滑动窗口法，优化了时间复杂度。关键步骤包括维护子数组和、更新子数组长度以及记录最小长度。

摘要由CSDN通过智能技术生成

1. 题目

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] ，并返回其长度。如果不存在符合条件的子数组，返回 0 。

2. 解题思路

（1）直觉上是一个寻找子数组的题目。任何一个子数组都可以表示为左右端点，只要左右端点内的数值满足条件，就是正确的子数组。而找到长度最小的连续数组，就是一个不断更新最小长度过程。遍历完数组时，此时最新的长度，就是最小长度。

（2）如何去遍历数组？

可以固定子数组的长度，遍历数组。不满足条件则增加子数组长度，直到满足总和大于target。此时子数组长度是最小的。时间复杂度是 $O(n^{2})$

也可以固定子数组的左区间，增加子数组长度，直到满足总和大于target，记录此时的长度。但此时的长度不能保证是最小的。需要更新左区间，重复以上操作，比较新的长度与记录的长度，以此更新最小值。当数组被遍历一遍时，所有可能的子数组已经被比较完毕。时间复杂度是 $O(2n)$ ，也就是 $O(n)$ 。

3. 代码

（1）两个for循环嵌套（leetcode中判定为超时）。

（2）滑动窗口：

class Solution {
public:
    int minSubArrayLen(int target, vector<int>& nums) {
        // 滑动窗口法 
        // 起点 终点
        int i = 0;
        int sum = 0;
        int sublen = 0; 
        int res = INT32_MAX;
        for (int j = 0; j < nums.size(); j++ ) {
            sum += nums[j];
            while (sum >= target) {
                // 记录子数组长度
                sublen = j - i + 1; 
                // 比较最短纪录和目前子数组长度
                res = sublen < res ? sublen : res;
                // 移动起点边界
                sum -= nums[i++];
            }
        }
        return res == INT32_MAX ? 0 : res;    
    }
};