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总和大于等于 target 的长度最小的 

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。

解题思路

使用滑动窗口技术，我们可以在一个循环中解决问题，而无需多重循环。这样做的关键是维护一个窗口 [i, j)（包括 i，不包括 j），这个窗口内的数值和至少为 target。

算法步骤

1. 初始化变量：

   • n 为数组 nums 的长度。
   • minWindow 初始化为一个大于可能的最大窗口长度的值，这里是 n+1。
   • sum 初始化为数组的第一个元素 nums[0]。
   • i 和 j 分别作为窗口的起始和结束指针，初始值分别设为 0 和 1。

2. 滑动窗口遍历：

   • 使用一个 while 循环，让 j 从 1 遍历到 n（注意这里 j 允许等于 n 以处理边界情况）。
   • 窗口扩展或收缩：
     • 如果当前窗口内元素的和 sum 大于等于 target，尝试通过移动窗口左边界 i 来缩小窗口，即 sum -= nums[i++]。同时更新最小窗口长度 minWindow。
     • 如果 sum 小于 target 且 j 未超出数组长度，扩展窗口右边界，即 sum += nums[j++]。

3. 返回结果：

   • 使用 minWindow % (n + 1) 来判断是否找到了有效的窗口。如果 minWindow 仍然是初始值 n+1，说明没有找到符合条件的子数组，根据题目要求应返回 0。

class Solution {
public:
    int minSubArrayLen(int target, vector<int>& nums) {
        int n = nums.size();
        int minWindow = n + 1;
        int sum = nums[0];
        int i = 0, j = 1;
        while (j <= n) {
            if (sum >= target) {
                if (minWindow > j - i) {
                    minWindow = j - i;
                }
                sum -= nums[i++];
            } else if (j < n) {
                sum += nums[j++];
            } else {
                break;
            }
        }
        return minWindow % (n + 1);
    }
};