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)