基础算法-数组-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 s ，找出该数组中满足其和 ≥ s 的长度最小的 连续 子数组，并返回其长度。如果不存在符合条件的子数组，返回 0。

示例：

输入：s = 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。

提示：

• 1 <= target <= 10^9

• 1 <= nums.length <= 10^5

• 1 <= nums[i] <= 10^5

暴力解法

这道题目暴力解法当然是 两个for循环，然后不断的寻找符合条件的子序列，时间复杂度很明显是O(n^2)。

代码如下：

 #include<iostream>
 #include<vector>
 #include <algorithm>
 ​
 using namespace::std;
 //给定一个含有 n 个正整数的数组和一个正整数 s ，
 //找出该数组中满足其和 ≥ s 的长度最小的 连续 子数组，并返回其长度。
 //如果不存在符合条件的子数组，返回 0。
 //
 //示例：
 //输入：s = 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。
 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;
     }
 };
 ​
 int main()
 {
     vector<int> v;
     int num;
     v.push_back(2);
     v.push_back(3);
     v.push_back(1);
     v.push_back(2);
     v.push_back(4);
     v.push_back(3);
     cout << "请输入一个正整数：" << endl;
     cin >> num;
     Solution solution;
     cout<<"" << solution.minSubArrayLen(num, v);
 ​
     return 0;
 }

• 时间复杂度：O(n^2)

• 空间复杂度：O(1)

滑动窗口

数组操作中另一个重要的方法：滑动窗口。

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。

在暴力解法中，是一个for循环滑动窗口的起始位置，一个for循环为滑动窗口的终止位置，用两个for循环 完成了一个不断搜索区间的过程。

那么滑动窗口如何用一个for循环来完成这个操作呢。

首先要思考 如果用一个for循环，那么应该表示 滑动窗口的起始位置，还是终止位置。

如果只用一个for循环来表示 滑动窗口的起始位置，那么如何遍历剩下的终止位置？

此时难免再次陷入 暴力解法的怪圈。

所以 只用一个for循环，那么这个循环的索引，一定是表示 滑动窗口的终止位置。

那么问题来了， 滑动窗口的起始位置如何移动呢？

在本题中实现滑动窗口，主要确定如下三点：

• 窗口内是什么？

• 如何移动窗口的起始位置？

• 如何移动窗口的结束位置？

窗口就是 满足其和 ≥ s 的长度最小的 连续 子数组。

窗口的起始位置如何移动：如果当前窗口的值大于s了，窗口就要向前移动了（也就是该缩小了）。

窗口的结束位置如何移动：窗口的结束位置就是遍历数组的指针，也就是for循环里的索引。

解题的关键在于 窗口的起始位置如何移动，如图所示：

可以发现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)。

C++代码如下：

#include<iostream>
#include<vector>
#include <algorithm>

using namespace::std;
//给定一个含有 n 个正整数的数组和一个正整数 s ，
//找出该数组中满足其和 ≥ s 的长度最小的 连续 子数组，并返回其长度。
//如果不存在符合条件的子数组，返回 0。
//
//示例：
//输入：s = 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。
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;
    }
};
int main()
{
	vector<int> v;
	int num;
	v.push_back(2);
	v.push_back(3);
	v.push_back(1);
	v.push_back(2);
	v.push_back(4);
	v.push_back(3);
	cout << "请输入一个正整数：" << endl;
	cin >> num;
	Solution solution;
	cout<<"" << solution.minSubArrayLen(num, v);

	return 0;
}

• 时间复杂度：O(n)

• 空间复杂度：O(1)

一些录友会疑惑为什么时间复杂度是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)。