代码随想录算法训练营打卡day02-1|209 长度最小的子数组（滑动窗口）

学习来自《代码随想录》

题目建议： 本题关键在于理解滑动窗口，这个滑动窗口看文字讲解 还挺难理解的，建议大家先看视频讲解。 拓展题目可以先不做。

题目链接：力扣

文章讲解：代码随想录

视频讲解：拿下滑动窗口！ | LeetCode 209 长度最小的子数组_哔哩哔哩_bilibili

209 长度最小的子数组（滑动窗口）

1 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

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。---

前缀和 + 二分查找

2 我的思路

想到了滑动窗口，但是对其中细节没有想明白。

nums = [4,6,2,4,12,9,8] target=12 应该返回1

思路

1、用两个指针当做滑动窗口的头尾指针i,j，先固定头指针i，尾指针j向后移动累加sum和 target进行比较。

2、当sum>=target时，记录此时的长度len = j-i+1

3、再i j向后各进一步，如果len中的和值 >=target，则j不动，i进一步，即缩小窗口，再判断sum与target。

直到找到最小len，如果缩小窗口后没有满足>= target，则j++向后扩大窗口继续搜索。

思路大方向正确，在头指针的运动上没想清晰，代码逻辑乱七八糟。

3 题解

3.1 思路

方法一 ：滑动窗口解题思路：

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。

在暴力解法中，是一个for循环滑动窗口的起始位置，一个for循环为滑动窗口的终止位置，用两个for循环 完成了一个不断搜索区间的过程。

那么滑动窗口如何用一个for循环来完成这个操作呢。

重点1：窗口就是 满足其和 ≥ s 的长度最小的 连续 子数组。用窗口内的累加和与target进行比较控制

重点2：只用一个for循环，那么这个循环的索引，一定是表示 滑动窗口的终止位置。

重点3：滑动窗口的起始位置如何移动呢

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）。

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

方法二：暴力解法

两个for循环，然后不断的寻找符合条件的子序列。

3.2 代码

方法一 ：滑动窗口

class Solution {
    public int minSubArrayLen(int target, int[] nums) {
        int i = 0; //窗口起始位置指针
        int sum = 0;//滑动窗口的数值之和
        int mixLen = Integer.MAX_VALUE; //初始化窗口最小长度为Integer.MAX_VALUE表示int数据类型的最大取值数：2 147 483 647，因为后面要和实际窗口取
        最小值，所以不能初始化为0
        for(int j = 0; j < nums.length; j++){
            sum = sum + nums[j];
            while(sum >= target){
                mixLen = mixLen < j - i + 1 ? mixLen : j - i + 1 ; // mixLen = Math.min(mixLen, j -i +1)
                i++;
                //不断变更子数组的起始位置
                sum = sum - nums[i-1];
            }
            return mixLen == Integer.MAX_VALUE? 0 : mixLen; //最后取最小的mixLen ，如果还为初始值，说明没有满足的子数组
        }
    }

class Solution:
    def minSubArrayLen(self, target: int, nums: List[int]) -> int:
        i = 0
        sum = 0
        mixLen = float('inf')//表示正无穷
        for j in range(len(nums)):
            sum += nums[j]
            while sum >= target:
                mixLen = min(mixLen, j - i + 1)
                sum = sum - nums[i]
                i += 1
        return mixLen if mixLen != float('inf') else 0

复杂度分析

时间复杂度：O(n)

不要以为for里放一个while就以为是O(n^2)啊， 主要是看每一个元素被操作的次数，每个元素在滑动窗后进来操作一次，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O(n)。

空间复杂度：O(1)

方法二：暴力解法

两个for循环，然后不断的寻找符合条件的子序列。

子序列的起点i采用的是遍历策略，并不如滑动窗口的是灵活变动。

class Solution {
public:
    int minSubArrayLen(int s, vector<int>& nums) {
        int result = INT32_MAX; // 最终的结果
        int sum = 0; // 子序列的数值之和
        int subLength = 0; // 子序列的长度
        for (int i = 0; i < nums.size(); i++) { // 设置子序列起点为i
            sum = 0;
            for (int j = i; j < nums.size(); j++) { // 设置子序列终止位置为j
                sum += nums[j];
                if (sum >= s) { // 一旦发现子序列和超过了s，更新result
                    subLength = j - i + 1; // 取子序列的长度
                    result = result < subLength ? result : subLength;
                    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;
    }
};

复杂度分析

时间复杂度：O(n^2)

空间复杂度：O(1)

4 总结

1、滑动窗口

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。

2、代码细节

要找最小窗口大小，窗口大小初始化设置成最大值，和后面计算出的窗口值进行比较取最小值。

关联题目

904.水果成篮

76.最小覆盖子串