文章目录
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
提示:
1 <= target <= 109
1 <= nums.length <= 105
1 <= nums[i] <= 105
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/2VG8Kg
一、前缀和+二分查找
这个方法不是最优解,但能学其思想。
①创建一个数组sums[]用来存储nums[]数组的前缀和。(sums[i]代表nums[]数组中前i个元素的和==》也就是nums[0]->nums[i-1]的和)
②得到前缀和之后,对于每个开始下标 i,可通过二分查找得到大于或等于 i 的最小下标 bound,使得 sums[bound]−sums[i−1]≥s。(因为nums数组全是正整数,所以sums数组符合递增排序,所以可以使用二分查找)
③更新子数组的最小长度,可通过bound - (i-1)得到。
public int minSubArrayLen(int s, int[] nums) {
int n = nums.length;
if (n == 0) {
return 0;
}
int ans = Integer.MAX_VALUE;
int[] sums = new int[n + 1];
// 为了方便计算,令 size = n + 1
// sums[0] = 0 意味着前 0 个元素的前缀和为 0
// sums[1] = A[0] 前 1 个元素的前缀和为 A[0]
// 以此类推
for (int i = 1; i <= n; i++) {
sums[i] = sums[i - 1] + nums[i - 1];
}
for (int i = 1; i <= n; i++) {
//相加后再去找大于等于target的元素,区间就是[i-1,bound] ==>sums[bound]-sums[i-1]>=s
int target = s + sums[i - 1];
int bound = Arrays.binarySearch(sums, target);
if (bound < 0) {
bound = -bound - 1;
}
if (bound <= n) {
ans = Math.min(ans, bound - (i - 1));
}
}
return ans == Integer.MAX_VALUE ? 0 : ans;
}
时间复杂度:O(nlogn)
Arrays.binarySearch()使用方法可看:Arrays.binarySearch()方法及其源码分析
二、滑动窗口
以前觉得滑动窗口只在排序序列中用才可以,再看到这题后发现,滑动窗口还有这种用法。
①定义滑动窗口的左右边界 l 与 r ,定义维护变量sum,存储窗口中元素和。
②初始l,r都为0,我们可以理解为查找以 r 结尾的窗口的最小长度,所以 r 是一直++,且小于nums数组长度。
③当sum<=s时,更新最小窗口长度,l++(即是缩小窗口),否则 r++(即是扩大窗口)。
④重复③,直到 r !<nums.length
public int minSubArrayLen(int s, int[] nums) {
int n = nums.length;
int res =Integer.MAX_VALUE;
int sum =0;
int l=0,r=0;
while(r<n){
sum+=nums[r];
while(sum>=s){
res=Math.min(res,r-l+1);
sum-=nums[l];
l++;
}
r++;
}
return res == Integer.MAX_VALUE ? 0:res;
}
时间复杂度:O(n)
参考力扣官方解析:
链接:https://leetcode-cn.com/problems/2VG8Kg/solution/he-da-yu-deng-yu-target-de-zui-duan-zi-s-ixef/
侵删