算法攻关 - 长度最小的子数组 (O(n))_209

一、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

 

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。

来源:力扣(LeetCode)

链接:https://leetcode-cn.com/problems/minimum-size-subarray-sum

著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。

二、思考

在这里插入图片描述
核心思路->我们可以利用滑动窗口思想通过移动左右指针来获取到局部最优解

在这里插入图片描述
固定左指针,不断移动右指针,如果左指针和右指针之间的数值累计和大于等于 target 目标值,我们则暂停,跳到情况二。

比如上图中黄色右指针移动到 5 的时候,已经符合大于等于 target 目标值。则暂停右指针,进入情况二中。


//固定左指针,移动右指针,如果和小于目标值
            if (right < nums.length && sums < target){
                sums = sums+nums[right];
                right++;
            }

在这里插入图片描述
固定右指针 right,不断移动左指针,如果移动左指针的时候,左指针到右指针之间数值累计和小于 target 目标值,则暂停,跳到情况一继续。

比如我们上述移动左指针到 3 的时候,黄色指针 left 的地址,发现继续移动 left 指针已经不满了,则暂停

else{
                //固定右指针,移动左指针,如果当前总和值和目标值相等,则记录下
                if (sums >= target && (finalLeft == -1 || finalRight-finalLeft > right -left )){
                    finalLeft=left;
                    finalRight=right;
                }
                sums = sums - nums[left];
                left++;
            }

三、代码
3.1、是我为了大家好理解写的代码,只有一个 while 循环那么直接一眼可以看出来就是 O(n)。


public static int minSubArrayLen(int target, int[] nums) {
        //1-条件控制
        if (nums.length < 1){
            return 0;
        }
        //利用双指针遍历数组
        int left =0,right=0,finalLeft=-1,finalRight=-1;
        int sums = 0;
        while (left < nums.length){
            //固定左指针,移动右指针,如果和小于目标值
            if (right < nums.length && sums < target){
                sums = sums+nums[right];
                right++;
            }else{
                //固定右指针,移动左指针,如果当前总和值和目标值相等,则记录下
                if (sums >= target && (finalLeft == -1 || finalRight-finalLeft > right -left )){
                    finalLeft=left;
                    finalRight=right;
                }
                sums = sums - nums[left];
                left++;
            }
        }
        if (finalLeft !=-1){
            return finalRight-finalLeft;
        }
         return 0;
    }

3.2、根据所有的面试官来考虑的话 其实代码越少,越简单,反而会增加好感,所以代码进行下优化。这里面你看到的是两个 while,但是你仔细分析下时间复杂度实际上是与 3.1 相同,只是一个变形体


public static int minSubArrayLen2(int target, int[] nums) {
        //初始化数组长度
        int n = nums.length;
        //初始化左右指针
        int left = 0, right = 0;
        //初始化滑动窗口局部最优解
        int MinLength = Integer.MAX_VALUE;
        //初始化临时求和变量
        int sum = 0;

        //固定左指针,移动右指针
        while (right < n) {
            //添加元素到临时求和变量
            sum += nums[right];
            //如果临时变量求和不满足目标值说明我们不需要考虑,所以继续移动右指针,如果我们的临时变量求和满足了目标值,就需要移动左指针。
            while (sum >= target) {
                //比较当前滑动窗口大小,取滑动窗口最小的值
                MinLength = Math.min(MinLength, right - left + 1);
                //减少当前移动的左指针的值
                sum -= nums[left];
                //左指针继续移动
                left++;
            }
            //继续移动右指针
            right++;
        }
        return MinLength == Integer.MAX_VALUE ? 0 : MinLength;
 }

四、小结
题目中的进阶是算法时间复杂度为 O(nlogn),其实是需要用快排,那么为什么会有这样的问题呢?是因为我们在工作中,不可能只是单纯的记录下当时的答案,而是需要知道为什么,什么时候适合什么样的算法。我觉得这个可能是题目背后的意思吧。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

小诚信驿站

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值