滑动窗口_长度最小的子数组_C++

1.题目解析

---

leedcode题目链接：https://leetcode.cn/problems/2VG8Kg/

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 ≥ targe 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

通过本题的学习，我们要搞懂五个问题：

1）什么是滑动窗口？
2）什么时候用滑动窗口？
3）怎么用滑动窗口？
4）滑动窗口的正确性（滑动窗口为什么是对的？）
5）滑动窗口的时间复杂度。

---

2.算法原理

---

2.1暴力解法：暴力枚举出所有的子数组的和

---

1.纯暴力枚举

暴力枚举出所有子数组，并求它们的和，找出符合要求的子数组，然后再找出最优的子数组。

以[2, 3, 1, 2, 4, 3]为例，我们先定义一个枚举的区间，比如是下标0到3之间的数[2, 3, 1, 2]，对这个区间求和，需要遍历一遍数组，是O(n)。而遍历枚举区间，又需要用到两层for循环，是一个O(n^2)的时间复杂度。综上，纯暴力枚举的时间复杂度是O(n^3)。

2.优化暴力解法

还是以[2, 3, 1, 2, 4, 3]为例，target为7：

我们先定义两个指针left和right，它们开始时都指向0这个位置。再定义一个变量sum，用来记录子数组中所有元素的和。

1）最开始，子数组中只有元素2，我们让sum = 2，然后让right++，right此时指向的位置值是3。
2）此时子数组为[2, 3]，sum更新为2+3=5，然后再让right++，依次类推。
3）当right已经指向最后一个位置时，再更新两个指针的位置，让它们再从1的位置重复上述操作。

之前，纯暴力解法时，为了计算子数组的和，需要再遍历一遍子数组，时间复杂度是一个O(n)，加上两层for循环的复杂度，时间复杂度为O(n^3)。而这种双指针的优化写法，省去了遍历子数组求和的操作，使得时间复杂度直接降低了一维，只有两个指针不断遍历的时间复杂度，为O(n^2)。

---

2.2利用规律，使用“同向双指针”来解题

---

注意题中的一个条件：数组中所有的数，都是大于等于0的。所以如果选出一个子数组，它已经满足条件了，那么再向其中增加元素，数组的总和一定是增大或者不变的，那就没必要再向子数组中增加元素了。我们能否根据这个性质，来做一些优化？

1.以2.1中的例子为例：

如图，我们按照优化的暴力算法，已经让right指向了下标为3的位置，然后更新sum，发现这是一个满足条件的子数组。那么根据最开始所说的规律，如果此时我们再让right++，再向子数组中增加新的元素，它的结果一定是满足条件的，但是长度会变长，最后也一定不是我们想要的长度最小的子数组。

所以我们可以把right向后移动所产生的一串数组大胆舍弃。为了达到这个效果，我们可以固定right不动，然后移动left，让left++，得到新的子数组，更新sum，再判断这个新的子数组sum是否大于等于target。当满足条件时，我们更新长度len，再让left++，进行下一轮判断；当不满足时，我们让right++，再进行下一轮判断。以此类推。

我们不难发现，指针left和right，是同向移动的，我们称之为“同向双指针”。而且这样的一对同向双指针，共同维护了一小块区间内的数据，且这一小块区间不断地向后滑动，我们形象的称其为：“滑动窗口”。

2.滑动窗口如何用？

1）先定义两个指针left和right，让它们都初始化为0。

2）构建窗口，进窗口。

3）根据判断条件，判断是否要出窗口。

其中2和3步一直循环。

什么时候更新结果呢？这个要就提论题。有的题是在进窗口的时候更新结果，有的题是在判断的时候更新结果。就本题而言，我们要先判断，然后要更新结果，再出窗口。

3.滑动窗口的正确性

虽然，我们没有将所有的子数组都枚举出来，进行判断。但是，我们考虑了所有的情况，只是把很多不合适的数组提前舍弃了，规避了很多没有必要的枚举行为，所以是正确的。

4.时间复杂度分析

在整个过程中，只有left和right在移动。最坏的情况下，right移动到最后一个数，left也移动到最后一个数，时间复杂度是n+n，一共才O(n)。

---

3.代码编写

---

class Solution {
public:
    int minSubArrayLen(int target, vector<int>& nums) 
    {
        int left = 0, right = 0;
        int len = INT_MAX;            // 长度，初始化为int的最大值
        int sum = nums[0];

        while(left <= right)
        {
            if(sum >= target) 
            {
                len = min(len, right - left + 1);         // 更新结果
                sum -= nums[left];
                left++;
            } 
            else
            {
                right++;
                if(right >= nums.size()) break; // 防止越界
                sum += nums[right];
            }
        }

        if(left == 0 && right >= nums.size()) return 0;	// 如果if中的条件满足，说明没有合适的子数组满足条件，返回长度0
        return len;
    }
};

---