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 [numsl, numsl+1, …, numsr-1, numsr]
,并返回其长度。如果不存在符合条件的子数组,返回 0 。示例 1:
输入:target = 7, nums = [2,3,1,2,4,3] 输出:2 解释:子数组 [4,3] 是该条件下的长度最小的子数组。
示例 2:
输入:target = 4, nums = [1,4,4] 输出:1
示例 3:
输入:target = 11, nums = [1,1,1,1,1,1,1,1] 输出:0
提示:
1 <= target <= 109
1 <= nums.length <= 105
1 <= nums[i] <= 105
进阶:
如果你已经实现 O(n) 时间复杂度的解法, 请尝试设计一个 O(n log(n)) 时间复杂度的解法。
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/minimum-size-subarray-sum
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。
暴力遍历
class Solution {
public int minSubArrayLen(int target, int[] nums) {
int min = Integer.MAX_VALUE;
int sum = 0; //子序列数值之和
for (int i = 0; i < nums.length;i++){
sum = 0;
for(int j = i;j < nums.length;j++){
sum+=nums[j];
if(sum >= target){
int len = j - i + 1 ; //子序列长度
min = len < min ? len : min;//取较短的长度
break;
}
}
}
//如果没有找到min还依然等于最初赋值
return min == Integer.MAX_VALUE ? 0 : min;
}
}
时间复杂度O(n^2)
空间复杂度O(1)
双指针(滑动窗口)
class Solution {
public int minSubArrayLen(int target, int[] nums) {
int min = Integer.MAX_VALUE;
int i = 0, j = 0,sum = 0;
for(j = 0 ; j < nums.length; j++){
sum += nums[j];
while(sum >= target){
int len = j - i + 1;
min = len < min ? len : min;
sum -= nums[i++];
}
}
return min == Integer.MAX_VALUE ? 0 : min;
}
}