长度最小的子数组--滑动窗口

暴力法

两个for循环，然后不断的寻找符合条件的子序列，时间复杂度很明显是O(n^2) 。

时间复杂度：O(n^2)
空间复杂度：O(1)
class Solution {
public:
    int minSubArrayLen(int target, vector<int>& nums) {
       int result=INT32_MAX;//最终结果。要返回长度最小长度，起始设置为最大，等待更新
       int sum;   //用来计算子序列的数值之和
       int sublen;//用来记录子序列的长度
       
       int size=nums.size();
       for(int ii=0;ii<size;ii++){// 设置子序列起点为ii
          sum=0;
          for(int jj=ii;jj<size;jj++){ // 设置子序列终止位置为jj
             sum+=nums[jj];
             if(sum>=target){// 一旦发现子序列和超过了target，更新result
                 sublen=jj-ii+1;// 计算子序列的长度
                 result=result<sublen ? result:sublen;
                 break;// 因为我们是找符合条件最短的子序列，所以一旦符合条件就break
             }
          }
       }
       // 如果result没有被赋值的话，就返回0，说明没有符合条件的子序列
       return result==INT32_MAX? 0:result;
    }
};

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」。

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，窗口的起始位置设置为数组的起始位置就可以了。

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)的暴力解法降为O(n)。

class Solution{
public:
    int minSubArrayLen(int target,vector<int>& nums){
        int result=INT32_MAX;
        int sum=0;   // 滑动窗口数值之和
        int sublen=0;// 滑动窗口的长度
        int ileft=0;//滑动窗口起始位置

        int size=nums.size();
        //滑动窗口结束位置其实就是遍历数组的指针
        for(int iright=0;iright<size;iright++){
            sum+=nums[iright];
            while(sum>=target){
              sublen=iright-ileft+1;
              result=result<sublen? result:sublen;
              //双指针暴力解法中是跳出第二层循环到第一层循环刷新sum=0，然后移动子序列起点，在进入第二层循环重新计算sum
              //此处滑动窗口，直接改变滑动窗口起始位置，不必将sum归零重新计算，只是把起始位置值删去即可
              sum-=nums[ileft++];// 这里体现出滑动窗口的精髓之处，不断变更i（子序列的起始位置）
            }
        } 
        return result==INT32_MAX? 0:result;
    }
};