力扣209题:长度最小的子数组

长度最小的子数组

题目描述:
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 。

第一反应就是暴力破解方法

利用两个for循环，不断找符合条件的最小子序列，时间复杂度O(n^2)

class Solution {
    public int minSubArrayLen(int target, int[] nums) {
        int sum;
        int result = Integer.MAX_VALUE;//记录结果
        int subLength=0;//子序列长度
        for(int i=0;i<nums.length;i++){
            sum=0;
            for(int j=i;j<nums.length;j++){
                sum+=nums[j];       
                if(sum>=target){
                    subLength=j-i+1;
                    result=result<subLength?result:subLength;
                    break;
                }
            }
        }
        return result==Integer.MAX_VALUE?0:result;
    }
}

然而运行却会显示用时超时的错误，说明暴力破解不符合，需要考虑下一个方法

滑动窗口

所谓滑动窗口，就是不断的调节子序列的起始位置和终止位置，从而得出我们要想的结果。

在暴力解法中，是一个for循环滑动窗口的起始位置，一个for循环为滑动窗口的终止位置，用两个for循环 完成了一个不断搜索区间的过程。
那么滑动窗口如何用一个for循环来完成这个操作呢。
首先要思考 如果用一个for循环，那么应该表示 滑动窗口的起始位置，还是终止位置。
如果只用一个for循环来表示 滑动窗口的起始位置，那么如何遍历剩下的终止位置？
此时难免再次陷入 暴力解法的怪圈。
所以 只用一个for循环，那么这个循环的索引，一定是表示 滑动窗口的终止位置。
那么问题来了， 滑动窗口的起始位置如何移动呢？

这里还是以题目中的示例来举例，s=7， 数组是 2，3，1，2，4，3，来看一下查找的过程：
如图，初始状态:

然后i指针右移，同时用sum记录所经历的值之和,直到sum大于s后停下

此时用subLength记录此时子序列长度为4，j指针左移一位，i指针接着右移，直到sum再次大于s停止

然后j指针在右移一位发现此时sum刚好大于s，i指针不用动，subLength=3

接着右移j指针，sum小于s，i指针右移

此时subLength为3，j指针再右移，sum刚好为s，此时subLength为2，所以最终返回长度为2

其实从示例中可以发现滑动窗口也可以理解为双指针法的一种！只不过这种解法更像是一个窗口的移动，所以叫做滑动窗口更适合一些。
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，也就是for循环里的索引。

可以发现滑动窗口的精妙之处在于根据当前子序列和大小的情况，不断调节子序列的起始位置。从而将O(n^2)暴力解法降为O(n)。

最关键的一部分代码

class Solution {
    public int minSubArrayLen(int target, int[] nums) {
        int subLenth;//记录子序列长度
        int i=0;
        int j;
        int result=Integer.MAX_VALUE;//记录结果
        int sum=0;
        for(j=0;j<nums.length;j++){
        sum+=nums[j];
        while(sum>=target){
            //取子序列长度
            subLenth=j-i+1;
            result=result<subLenth?result:subLenth;
            //关键之处，不断变更i(子序列初始位置)
            sum-=nums[i++];
        }
        }
        return result==Integer.MAX_VALUE?0:result;
    }
}