题目链接:209. 长度最小的子数组
题目:
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
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。
思路和算法:
方案一:暴力解法
这道题目暴力解法当然是 两个for循环,然后不断的寻找符合条件的子序列,时间复杂度很明显是
O
(
n
2
)
O(n^2)
O(n2)。并且这也是我的笨蛋脑瓜子一开始只能想到的办法。
代码(c++):
class Solution {
public:
int minSubArrayLen(int target, vector<int>& nums) {
int len = 0; //符合条件的子数组的长度
int n = nums.size();
for (int i = 0; i < n; ++i) {
int sum = 0; //和
for (int j = i; j < n; ++j) {
sum += nums[j];
if (sum >= target && (len == 0 || len > j - i + 1)) {
len = j - i + 1;
}
}
}
return len;
}
};
方案二:滑动窗口法
关于滑动窗口这个方法,我们需要注意三个点:
(1)窗口内是什么?
(2)窗口的起始位置是什么,怎么移动?
(3)窗口的结束位置是什么,怎么移动?
如果想清楚这三个点,那么做起题来会更熟练。在这题中,
(1)窗口是满足其和 ≥ target 的长度最小的连续子数组;
(2)窗口的起始位置如何移动:窗口的起始位置设置为数组的起始位置,如果当前窗口的值大于target了,窗口就要向前移动了(也就是该缩小了);
(3)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end。
代码(c++):
class Solution {
public:
/** 滑动窗口法 */
int minSubArrayLen(int target, vector<int>& nums) {
int start = 0; //滑动窗口的起始位置
int len = 0; //滑动窗口的长度
int sum = 0; //滑动窗口数值之和
int ans = INT_MAX; //最终结果
for (int end = 0; end < nums.size(); ++end) {
sum += nums[end];
// 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 >= target) {
len = end - start + 1;
ans = ans < len ? ans : len;
sum -= nums[start++]; // 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)
}
}
return ans == INT_MAX ? 0 : ans;
}
};
不得不说,滑动窗口确实用的妙不可言!而且它的时间复杂度为 O ( n ) O(n) O(n) 空间复杂度为 O ( 1 ) O(1) O(1)。【时间复杂度为啥为 O ( n ) O(n) O(n):不要认为for循环里放一个while就以为是 O ( n 2 ) O(n^2) O(n2), 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,每个元素都是被操作两次,所以时间复杂度是 2 × n 也就是 O ( n ) O(n) O(n)。】