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target。
找出该数组中满足其和 >= target的长度最小的连续子数组，并返回长度。

思路：暴力

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++) {
			sum = 0;
			for (int j = i; j < nums.size(); 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;
	}
};

时间复杂度：O(n²)
空间复杂度：O(1)

思路二：滑动窗口

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：如果当前窗口的值的和，大于s了，那么窗口就要向前移动（也就是该缩小了）。代码中体现为 i++。
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。代码中体现为j在for循环中的遍历。

滑动窗口的精妙之处，在于根据当前子序列和大小的情况，不断地调节子序列的起始位置。从而降低时间复杂度。

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）注意，先进行sum - nums[i]的操作，然后i++
            }
        }
        // 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;
    }
};

时间复杂度

• 时间复杂度：O(n)
• 空间复杂度：O(1)