滑动窗口算法

接下来就开始介绍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？

这里还是以题目中的示例来举例，s=7， 数组是 2，3，1，2，4，3，来看一下查找的过程：

最后找到 4，3 是最短距离。

其实从动画中可以发现滑动窗口也可以理解为双指针法的一种！只不过这种解法更像是一个窗口的移动，所以叫做滑动窗口更适合一些。

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：

然后我们利用上面的算法完成如下的题：

#滑动窗口法
target=int(input())  # 输入目标值并将其转换为整数
n=list(map(int,input().split(",")))  # 输入一串以逗号分隔的数字，并将其转换为整数数组
l=len(n)  # 数组n的长度
left=0  # 子数组的左边界指针
right=0  # 子数组的右边界指针
min_len = float('inf')  # 记录当前最小子数组的长度，初始值设为正无穷
cur_sum = 0  # 当前的累加值，用于计算子数组的元素之和

while right < l:  # 当右边界指针小于数组长度时循环执行以下操作
    cur_sum += n[right]  # 将n[right]值加到当前累加值cur_sum中

    while cur_sum >= target:  # 当当前累加值cur_sum大于等于目标值target时循环执行以下操作
        min_len = min(min_len, right - left + 1)  # 更新最小子数组的长度
        cur_sum -= n[left]  # 从当前累加值cur_sum中减去n[left]的值
        left += 1  # 左边界指针右移

    right += 1  # 右边界指针右移

print(min_len) if min_len != float('inf') else 0  # 输出最小子数组的长度（如果存在），否则输出0

left和right: 指向子数组的左右边界
min_len: 记录当前最小子数组的长度，初始值设为正无穷
cur_sum: 记录当前子数组的元素之和，初始值为0
代码同样使用两个指针left和right来构建一个滑动窗口。right指针向右移动，每次将n[right]添加到当前子数组的元素之和cur_sum中。如果cur_sum大于等于目标值target，说明找到了一个符合要求的子数组。

此时，需要不断移动left指针以缩小子数组的长度，同时更新min_len的值。left指针每次右移，需要将n[left]从cur_sum中减去，并更新left的位置。

当right指针到达数组的末尾时，算法结束，输出min_len作为结果。如果初始的min_len值仍为正无穷，则说明没有找到符合要求的子数组，输出0。

这种方法的时间复杂度是O(n)，其中n是数组n的长度。算法只需要遍历一遍数组，通过移动left和right指针，不断更新cur_sum和min_len的值。