【LeetCode】209.长度最小的子数组

【LeetCode】209.长度最小的子数组

思路

首先我们可以简单粗暴的求解，遍历数组，从每次遍历数组时依次向后累加元素，再与target比较。

暴力求解

class Solution {
public:
    int minSubArrayLen(int target, vector<int>& nums) {

        int j = 0;
        int size = nums.size();
        int ret = INT32_MAX;//INT32_MAX表示int类型的最大值
        //同理INT32_MIN表示int类型的最小值

        for (int i = 0; i < size; ++i)
        {
            int sum = 0;
            for (int j = i; j < size; ++j)
            {
                sum += nums[j];
                if (sum >= target)
                {
                    ret = j - i + 1 < ret ? j - i + 1 : ret;//比原ret小才替换
                }
            }
        }

        return ret == INT32_MAX ? 0 : ret;
        //判断ret是否改变，若ret没改变说符合条件的子数组，要返回0
    }
};

解析

以下图为例

i=0时，2+3+1+4=10>target，此时j=3，j-i+1=4对应该连续数组的长度，后面在依次用i遍历，找出最短的数组大于target的数组。

此代码的空间复杂度为O(n^2)，空间复杂度为O（1），由于时间复杂度太高，所以leetcode上跑不过去。

滑动窗口

暴力求解中，我们使用了循环累加的方法，而滑动窗口的主要思想就是通过不断调节左右数组的边界，来找到其合适的位置，通过循环来控制窗口的右边界，再通过一个while来调整窗口的左边界。

class Solution {
public:
    int minSubArrayLen(int target, vector<int>& nums) {
        int size = nums.size();
        int ret = INT32_MAX;
        int left = 0;
        int sum = 0;
        for (int right = 0; right < size; ++right)
        {
            sum += nums[right];
            while (sum >= target)
            {
                ret = right - left + 1 < ret ? right - left + 1 : ret;
                sum -= nums[left++];
            }
        }
        return ret == INT32_MAX ? 0 : ret;
    }
};

解析

仍然以上图为例，我们不断调整left和right的边界，就像是在移动这个红色的窗口一样。

起始位置left=0，循环过程中当right=3时，sum=8>target，记录下此时子数组的长度，这时候我们就开始要“微操”了，我们尝试让sum减去nums[0]看sum是否仍然比target大，若大于或等于target正好更新子数组的长度，若比target小则开始扩展右窗口(即继续for循环)。

此时时间复杂度为O(n)，空间复杂度为O(1)。