题目:长度最小的子数组
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总和大于等于 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:
错误思路
class Solution {
public:
int minSubArrayLen(int target, vector<int>& nums) {
const int target_raw = target;
int times = 0, min = INT_MAX;
for (int i = 0; i < nums.size();) {
while (target > 0 && i < nums.size()) {
target -= nums[i];
i++;
times++;
}
if (target > 0)
{
return 0;
}
if (times < min) {
min = times;
}
times = 0;
target = target_raw;
}
return min;
}
};
错误原因:
上述代码在找到满足条件的子数组后直接返回 min
,而实际上这个 min
变量存储的是当前的子数组长度,而不是最小长度。当 target
不再大于0时,就直接返回了 min
,并没有考虑到其是个滑窗,这样会导致错误的结果。最小长度应该是所有满足条件的子数组长度中的最小值。
正确思路
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:
最后找到 4,3 是最短距离。
其实从动画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。
解题的关键在于 窗口的起始位置如何移动,如图所示:
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)。
class Solution {
public:
int minSubArrayLen(int target, vector<int>& nums) {
int i = 0; // 起始点
int sum = 0; // 和
int length = 0; // 长度
int result = INT_MAX; // 结果
for (int j = 0;j < nums.size();j++) {
sum += nums[j];
while (sum >= target) { // 这里要注意不要漏掉等于号
length = j - i + 1;
result = result < length ? result : length;
sum -= nums[i++];
}
}
return result == INT_MAX? 0:result; // 这里要注意不存在符合条件的子数组的情况
}
};
- 时间复杂度:O(n)
- 空间复杂度:O(1)
不要以为for里放一个while就以为是O(n^2)啊, 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)。