LeetCode 209.长度最小的子数组
方法一 暴力解法
思路
两个for循环,不断寻找符合条件的子序列
代码
class Solution {
public:
int minSubArrayLen(int target, vector<int>& nums) {
int res = INT_MAX; //INT_MAX是个很大的数,
//如果想得到数组中最小值,可以先将minn设成INX_MAX,这样就不需要const int定义一个很大的数了
int sum;
int subLength = 0;
for(int i = 0; i < nums.size(); i++)
{
sum = 0;
for(int j = i; j < nums.size(); j++)
{
sum += nums[j];
if(sum >= target)
{
subLength = j - i + 1;
res = res < subLength ? res : subLength;
break;
}
}
}
return res == INT_MAX ? 0 : res;
}
};
算法性能
- 时间复杂度:O(n^2)
- 空间复杂度:O(1)
方法二 滑动窗口
思路
滑动窗口法,可以用来解决一些查找满足一定条件的连续区间的性质的问题(如类似于“找满足XX条件的最X的子区间的XX“)。
可以将其看作是双指针法的特例,两个指针都从原点0开始,并一前一后的向区间末尾前进
(也可以是两个指针一个在原点,一个在终点,相向靠近,这种思想与滑动窗口类似)
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,窗口的起始位置设置为数组的起始位置就可以了。
代码
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)
}
}
// 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;
}
};
算法性能
- 时间复杂度:O(n)(注:时间复杂度主要是看每一个元素被操作的次数,每个元素在滑动窗后进来操作一次,出去操作一次,每个元素都是被被操作两次,所以时间复杂度是2 * n 也就是O(n))
- 空间复杂度:O(1)