给定含 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,并返回其长度,若不存在符合条件的子数组,返回 0 。
寻找满足条件的最短子数组,可通过两个方法:
(1)暴力求解
(2)滑动窗口
1.暴力求解
使用两个for循环,不断寻找满足条件的解,实现代码如下:
//长度最小子数组
//Solution1 --暴力解法
int minSubArrayLen(int target, vector<int>& nums) {
int result = INT32_MAX;
int sublength = 0;
for(int i = 0; i<nums.size(); i++) {
int sum = 0;
for(int j = i; j<nums.size(); j++) {
sum = sum + nums[j];
if(sum >= target) {
sublength = j - i + 1;
if(sublength < result) {
result = sublength;
}
break;
}
}
}
if(result != INT32_MAX) {
return result;
}
return 0;
}
暴力求解时间复杂度为O(n^2),空间复杂度为O(1)。
2.滑动窗口
滑动窗口就是不断调节子序列的起始位置和终止位置,从而得到结果。
窗口可以理解为双指针法的一种,只不过解法更像一个窗口移动,所以叫做滑动窗口。
实现滑动窗口其实就是确定三点:窗口内是什么;窗口的起始位置;窗口的结束位置。
代码的关键内容就是调节滑动窗口的起始位置,具体实现代码如下:
//Solution2 --滑动窗口
int minSubArrayLen(int target, vector<int>& nums) {
int result = INT32_MAX;
int sublength = 0;
int sum = 0;
int i = 0; //滑动窗口的起始位置
for (int j = 0; j<nums.size(); j++) {
sum += nums[j];
while(sum >= s) {
sublength = j-i+1;
result = result < sublength ? result : sublength;
sum -= nums[i++]; // 这里是关键,不断变更i
}
return result == INT32_MAX ? 0 : result;
}
滑动窗口时间复杂度为O(n),空间复杂度为O(n)。