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 <= 10^9
1 <= nums.length <= 10^5
1 <= nums[i] <= 10^5
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。
思路
由于题目需要求的是子数组即子序列,可以考虑使用滑动窗口,时间复杂度为O(n)。
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。
窗口的起始位置如何移动:如果当前窗口的值大于等于target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。
即遍历数组的指针(j指针)先去找右边,找到了再收缩左边,然后再继续向右去找更优解,找到收缩左边。
代码
C++版:
class Solution {
public:
int minSubArrayLen(int target, vector<int>& nums) {
int sum=0; // 滑动窗口数值之和
int i=0; // 滑动窗口起始位置
int length=0; // 滑动窗口的长度
int result=INT_MAX;
for(int j=0;j<nums.size();j++){
sum+=nums[j];
// 动态调节滑动窗口的起始位置
// 这里要使用while而不是if
while(sum>=target){
length=j-i+1;
result=result<length ? result:length;
sum=sum-nums[i];
i++;
}
}
return result==INT_MAX ? 0:result;
}
};
Python版:
class Solution:
def minSubArrayLen(self, target: int, nums: List[int]) -> int:
sum=0 # 滑动窗口数值之和
i=0 # 滑动窗口起始位置
j=0 # 滑动窗口终止位置
result=float('inf')
while j<len(nums):
sum+=nums[j]
# 动态调节滑动窗口的起始位置
# 这里要使用while而不是if
while sum>=target:
result=min(result,j-i+1)
sum-=nums[i]
i+=1
j+=1
return result if result!=float('inf') else 0
需要注意的地方
1.不要忘记去判断是否找到了符合条件的子数组,如果没有找到就返回0。
2.为什么时间复杂度是O(n)?因为每个元素在滑动窗口中进来操作一次,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)。