双指针+滑窗:长度最小的子数组

题目:长度最小的子数组

题目链接

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

参考：代码随想录

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)。