长度最小子数组

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)。