训练营11/9

704. 二分查找

*平方各个数据后进行快排

复杂度取决于快排，O（nlogn）

sort(A.begin(), A.end()); // 快速排序

*双指针 二分查找

因为是从小到大排序，并且存在负数，所以可以确定最大值出现在首尾，定义两个指针进行左右比较，然后将最大的数放在result数组的末尾。

209.长度最小的子数组

第一想法是暴力解法，两个for循环分别获取子序列的起点和终点位置，当第二个for循环中sum条件达到时，break跳出第二个循环，第一个for'重新定义下一个子序列的起点。

class Solution {
public:
    int minSubArrayLen(int s, vector<int>& nums) {
        int result = INT32_MAX; // 最终的结果
        int sum = 0; // 子序列的数值之和
        int subLength = 0; // 子序列的长度
        for (int i = 0; i < nums.size(); i++) { // 设置子序列起点为i
            sum = 0;
            for (int j = i; j < nums.size(); j++) { // 设置子序列终止位置为j
                sum += nums[j];
                if (sum >= s) { // 一旦发现子序列和超过了s，更新result
                    subLength = j - i + 1; // 取子序列的长度
                    result = result < subLength ? result : subLength;
                    break; // 因为我们是找符合条件最短的子序列，所以一旦符合条件就break
                }
            }
        }
        // 如果result没有被赋值的话，就返回0，说明没有符合条件的子序列
        return result == INT32_MAX ? 0 : result;
    }
};

学习了滑动窗口，只有一个for进行自序列终点位置的移动，达到sum的条件时，抛弃子序列的i起始位置并且sum减去该位置的数值，j继续移动

• 时间复杂度：O(n)
• 空间复杂度：O(1)

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)。

不要以为for里放一个while就以为是O(n^2)啊， 主要是看每一个元素被操作的次数，每个元素在滑动窗后进来操作一次，出去操作一次，每个元素都是被操作两次，所以时间复杂度是 2 × n 也就是O(n)。

class Solution {
public:
    int minSubArrayLen(int s, vector<int>& nums) {
        int result = INT32_MAX;
        int sum = 0; // 滑动窗口数值之和
        int i = 0; // 滑动窗口起始位置
        int subLength = 0; // 滑动窗口的长度
        for (int j = 0; j < nums.size(); 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 >= s) {
                subLength = (j - i + 1); // 取子序列的长度
                result = result < subLength ? result : subLength;
                sum -= nums[i++]; // 这里体现出滑动窗口的精髓之处，不断变更i（子序列的起始位置）
            }
        }
        // 如果result没有被赋值的话，就返回0，说明没有符合条件的子序列
        return result == INT32_MAX ? 0 : result;
    }
};

59.螺旋矩阵II

注意应该都是已startx 和 starty为起始点 ，左闭右开， 通过offset来决定每一圈上每行的数字个数。