【每日一题】长度最小的子数组

🌟个人博客：www.hellocode.top🌟
⭐所有文章均在上方博客首发，其他平台同步更新
🔥本文专栏：《每日一题》
⚡如有问题，欢迎指正，一起学习~~
文章部分参考《代码随想录》，如有侵权，请联系删除~~

---

长度最小的子数组

• 时间：2022-05-11
• 题目序号：209
• 难度：中等

问题描述

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和 ≥ 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 。

来源：力扣（LeetCode）

示例1

输入：target = 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。

示例2

输入：target = 4, nums = [1,4,4]
输出：1

示例3

输入：target = 11, nums = [1,1,1,1,1,1,1,1]
输出：0

提示

• 1 <= target <= 10^9
• 1 <= nums.length <= 10^5
• 1 <= nums[i] <= 10^5

解题思路

题解部分参考自代码随想录。如有侵权，请联系进行删除~~

• 在解题时，我们都可以先思考暴力解法进行解题，然后再通过逐步优化，来提高代码的性能
• 对于本题，可以通过暴力和滑动窗口两种方法进行解决

暴力解法

• 暴力解法一般都比较容易想得到，就是一一列举，使用穷举所有结果，筛选出符合要求的结果
• 对于本题而言，暴力解法需要两层for循环（可以当作双指针来理解）
• 对于外层循环i是(0~nums.length)，内存循环j是(i~nums.length)
• 需要设置result（最终结果）、subLength（子数组长度）、sum（子数组元素和）三个变量来完成本题
• sum需要写在第一层循环（每次都需要初始化归0，不断更新）
• subLength可由j - i + 1计算获得
• result可以设置默认值为int的最大值，然后不断更新，获得满足题意的最短子数组长度。（最后返回时进行判断，如果没找到就返回0）

这里可以配合下方代码查看，会相对的好理解一些

滑动窗口

• 滑动窗口主要就是通过对窗口的滑动，实现本题
• 也是需要两个指针，暂且定为i、j（代码实现中用的left和right，更直观一些）

• 两指针同时指向0位置，然后j指针向后滑动，直到当前i、j确定的子数组满足题意（和大于target）
• 当j滑动到满足题意的位置后，开始缩小窗口大小（尽可能取满足题意的最小子数组）
• 缩小窗口大小就是给i++，进行缩小后，继续判断当前子数组是否满足题意，不满足继续将j指针向后滑动，直到满足题意位置
• 重复上述步骤，不断更新result的值，直到i指向nums.length

• 在每次缩小滑动窗口时，一定要注意给sum减去被滑出的元素值，并将i++
• 上图中的三行代码就是精髓之处，需要好好理解。

注意： 上图三行代码的顺序不能改变

代码实现

通过上述分析，分别可以通过暴力解法和滑动窗口两种方式来实现本题目

暴力解法

class Solution {
    public int minSubArrayLen(int target, int[] nums) {
        int result = Integer.MAX_VALUE;     // 最终的结果
        int sum = 0;        // 子数组的和
        int subLength = 0;      // 子数组长度
        for(int i = 0; i < nums.length; i++){
            sum = 0;        // 初始化子数组元素和
            for(int j = i; j < nums.length; j++){
                sum += nums[j];     // 更新目前子数组和
                if(sum >= target){
                    subLength = j - i + 1;      // 更新子数组长度
                    result = result < subLength ? result : subLength;       // 更新最终结果
                    break;
                }
            }
        }
        return result == Integer.MAX_VALUE ? 0 : result;       // 如果没找到，返回0
    }
}

时间复杂度：O(n^2)

空间复杂度：O(1)

滑动窗口

class Solution {
    public int minSubArrayLen(int target, int[] nums) {
        int result = Integer.MAX_VALUE;     // 最终的结果
        int sum = 0;        // 子数组的和
        int subLength = 0;      // 子数组长度
        int left = 0;
        for(int right = 0; right < nums.length; right++){
            sum += nums[right];
            while(sum >= target){
                subLength = right - left + 1;       // 更新子数组长度
                result = result < subLength ? result : subLength;   // 更新结果
                sum -= nums[left++];       // 关键步骤，缩小窗口范围
            }
        }
        return result == Integer.MAX_VALUE ? 0 : result;       // 如果没找到，返回0
    }
}

时间复杂度：O(n)

空间复杂度：O(1)

总结

• 暴力解法依然比较好理解一些，就是穷举出所有可能的结果，筛选出符合题意的选项即可
• 新接触到的滑动窗口，和双指针法有一些相似之处，但是滑动窗口更形象一些
• 主要就是不断对窗口进行滑动，控制窗口的边界是十分重要的，需要理解滑动的规律