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
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