代码随想录11——数组11——滑动窗口1——求解大于指定和的长度最小的子数组

🌈hello，你好鸭，我是Ethan，一名不断学习的码农，很高兴你能来阅读。

✔️目前博客主要更新Java系列、项目案例、计算机必学四件套等。
🏃人生之义，在于追求，不在成败，勤通大道。加油呀！

🔥个人主页：Ethan Yankang
🔥推荐：史上最强八股文 || 一分钟看完我的上千篇博客

🔥温馨提示：划到文末发现专栏彩蛋   点击这里直接传送

🔥本篇概览：数据结构与算法 || 详细讲解了滑动窗口求满足条件的最小数组范围的方法。深刻揭示了滑动窗口的精髓。🌈⭕🔥

---

【计算机领域一切迷惑的源头都是基本概念的模糊，算法除外】

---

目录

🌈序言

题目：长度最小的子数组

剖析题干重点：

🔥思路分析：

双指针

1.遍历方法：

2.接受条件：

3.滑动窗口思想：

最终代码：

今日问题：

今日总结：

滑动窗口

0.传统遍历

1.精髓——不浪费之前的sum积累

2.定一动一，完全遍历（窗口中的窗口）

左静右动

左动右静

默认赋值

Integer.MAX_VALUE 

---

---

🌈序言

算法乃我长久之志也，此关必过。今日得此代码随想录之良品辅助，应按此路学之习之，而长久不可懈怠。

前一系列文章详细讲解了相向指针法移动元素的实际例子，建议先将这部分知识掌握之后再来学习本篇内容，点击查看。

🔥 代码随想录——数组10——移动元素5——相向指针法——返回排序的平方数组-CSDN博客

🔥 的实际例子代码随想录系列所有算法精讲一键查阅

---

题目：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。

剖析题干重点：

子数组、和>=s        （显然这里的子数组使用快慢指针解决）

---

🔥思路分析：

双指针

1.遍历方法：

单项遍历。即快指针一直往前走，慢指针条件更新。

2.接受条件：

快指针与慢指针之间的和>=7之时，比较再更新最小值。

3.滑动窗口思想：

首先将窗口划上去，即fastIndex++一直到sum>=7（左静右动），当进行下一次遍历之时，需要注意的是不能浪费之前积攒起来的sum。（这是滑动窗口的第一个精髓！（不浪费））这里sum减去slowIndex下标的值后，其和不一定小于7（比如最后一个数刚好很大），此时要一直fastIndex++，直至while(sum>s)打破循环为止。（左动右静）。只有左右一起遍历完成了，才算完完全全遍历结束，没有遗漏。（这是滑动窗口的第二个精髓 (定一动一，窗口里面的窗口)）

因此这时如果是重头开始，舍弃了之前的积累的话，算法性能就打打折扣了。

---

最终代码：

滑动窗口

class Solution {
    // 滑动窗口
    public int minSubArrayLen(int s, int[] nums) {
        int slowIndex = 0;
        int sum = 0;
        int result = Integer.MAX_VALUE;

                //首先将窗口划上去，即fastIndex++一直到sum>=7
        for (int fastIndex = 0; fastIndex < nums.length; fastIndex++) {
            sum += nums[fastIndex];
            while (sum >= s) {
                result = Math.min(result, fastIndex - slowIndex + 1);
                // 最为精髓的一点，这里不浪费之前的和，防止重头开始计算
                sum -= nums[slowIndex++];
            }
        }
        return result == Integer.MAX_VALUE ? 0 : result;
    }
}

---

今日问题：

---

今日总结：

所有数组的题目都是两个步骤

   sum -= nums[left++];

遍历方法

条件接受

滑动窗口

0.传统遍历

首先将窗口划上去、单向遍历

1.精髓——不浪费之前的sum积累

这里是指在进行这一次满足之后，在进行下一次寻找之时，只减去慢指针所指的值。（此时就是最大的临界块，一定小于7）

sum -= nums[left++];

2.定一动一，完全遍历（窗口中的窗口）

左静右动

 for (int fastIndex = 0; fastIndex < nums.length; fastIndex++)

首先窗口刚刚划上去的时候，左边是没有动的，这就是左静右动。

---

左动右静

在右边达到要求过后，左边在向左遍历，直至打破循环，在这个窗口中的所有窗口完全遍历完之后，才算完全遍历。

while(sum>=s)

左边遍历的原因——

这里sum减去slowIndex下标的值后，其和不一定小于7（比如最后一个数刚好很大），此时左边界需要不断右移抵消影响，这个是贪心策略，保证下一次求得的子数组长度最短。

只有左右一起遍历完成了，才算完完全全遍历结束，没有遗漏。

（这是滑动窗口的第二个精髓 (定一动一，窗口里面的窗口)）

---

默认赋值

Integer.MAX_VALUE 

int sum =Integer.MAX_VALUE 

---

---

📣非常感谢你阅读到这里，如果这篇文章对你有帮助，希望能留下你的点赞👍 关注❤收藏✅ 评论💬，大佬三连必回哦！thanks！！！
📚愿大家都能学有所得，功不唐捐！

👇下面是专栏彩蛋系列，你会喜欢的！（为了避免影响算法的简洁与优美，这里直接将之前的几十个专栏简化为3个部分，不过你点击开后发现惊喜。）👇

---

💖💖💖💖💖💖💖💖💖💖💖💖💖💖💖💖💖💖

热门专栏

🌈🌈专栏彩蛋系列

🌈🌈史上最全八股文，欢迎收藏

🌈🌈一篇文章了解我的上千篇博客

💖💖💖💖💖💖💖💖💖💖💖💖💖💖💖💖💖💖

---