题目难度: 中等
今天继续更新 Leetcode 的剑指 Offer(专项突击版)系列, 大家在公众号 算法精选 里回复
剑指offer2
就能看到该系列当前连载的所有文章了, 记得关注哦~
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 <= 10^9
- 1 <= nums.length <= 10^5
- 1 <= nums[i] <= 10^5
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。
题目思考
- 题目要求『连续子数组』, 如何利用这一条件?
- 如何设计 O(n log(n)) 时间复杂度的解法?
解决方案
方案 1
思路
- 分析题目, 最容易想到的做法就是暴力两重循环: 遍历每个下标起点, 累加当前的和, 大于等于 target 时更新最短长度
- 但这种做法时间效率太低 (
O(N^2)
), 如何优化呢? - 基于暴力法进行分析, 假设外层遍历到 i 作为起点, 内层遍历到下标 j 时子数组和大于等于了 target
- 此时暴力法的做法是将其长度 j-i+1 更新到最终结果, 然后跳出内层循环 (因为后面的子数组长度只会更长), 并以 i+1 作为起点重新开始遍历
- 但这样做完全没有必要, 因为
[i+1,j]
的子数组和可以直接根据[i,j]
的子数组和计算得到, 即减去nums[i]
, 完全可以用常数时间判断子数组[i+1,j]
是否满足要求 - 所以更优化的做法是固定当前的终点 j, 将起点 i 继续向右移动, 并更新子数组和, 满足条件时更新长度到最终结果, 否则停止移动 i, 继续遍历下一个终点 j 即可
- 这样起点和终点都只需要遍历一遍, 时间复杂度降到了 O(N)
- 以上就是典型的滑动窗口的思想, 通常做法就是维护双指针代表窗口起点和终点, 然后根据当前窗口是否满足要求来进行不同的处理
- 下面代码中对上述每个步骤都有详细注释, 方便大家理解
复杂度
- 时间复杂度
O(N)
: 最多遍历数组每个元素两遍 - 空间复杂度
O(1)
: 只使用了几个常数空间的变量
代码
class Solution:
def minSubArrayLen(self, target: int, nums: List[int]) -> int:
# 方法1: 前缀和+滑动窗口+满足条件时更新
n = len(nums)
i = 0
sm = 0
res = n + 1
for j in range(n):
# 固定终点j
sm += nums[j]
while sm >= target:
# 当前区间[i,j]满足条件, 其长度为j-i+1, 更新最终结果
res = min(res, j - i + 1)
# 更新子数组和
sm -= nums[i]
# 起点i向右移动
i += 1
return 0 if res == n + 1 else res
方案 2
思路
- 注意到题目有个进阶要求: 尝试设计一个 O(n log(n)) 时间复杂度的解法
- 说到 log(n) 复杂度, 首先可以想到的几个常见操作就是排序/二分/优先队列
- 这里题目说明了所有数字都是正整数, 那么它们的前缀和一定是有序的
- 我们可以利用这一条件, 使用二分查找
当前前缀和-之前前缀和>=target
的之前最大下标 - 具体做法就是维护每个下标 j 的
[0,j]
子数组的前缀和sms[j]
- 然后使用右二分查找
sms[j]-target
在前缀和数组 sms 中的插入位置 i - 右二分保证了
sms[i-1]
一定是小于等于sm - target
的, 也即sms[j]-sms[i-1]>=target
- 这是因为右二分查找有序数组的某一元素时, 如果该元素存在于数组中, 则其插入位置是该元素在数组中的最后一个下标加 1; 而左二分(bisect_left)返回的插入位置则是该元素在数组中的头一个下标
- 这样区间
[i,j]
就是以 j 为终点满足条件的最小子数组, 将其更新到最终结果即可
复杂度
- 时间复杂度
O(NlogN)
: 遍历数组复杂度O(N)
, 二分查找复杂度O(logN)
- 空间复杂度
O(N)
: 需要存储前缀和数组
代码
# 方法2: 前缀和+右二分
n = len(nums)
res = n + 1
sm = 0
sms = []
for j in range(n):
sm += nums[j]
sms.append(sm)
if sm >= target:
# 右二分, sms[i-1]一定是小于等于sm - target的
# 也即sms[j]-sms[i-1]>=target, 区间[i,j]是以j为终点满足条件的最小子数组
# 注意这里不能用bisect_left, 不然假设sms[i]恰好等于sms[j]-target, 即sms[j]-sms[i-1]==target, 此时区间[i+1,j]也满足条件
i = bisect.bisect(sms, sm - target)
res = min(res, j - i + 1)
return 0 if res == n + 1 else res
大家可以在下面这些地方找到我~😊
我的公众号: 算法精选, 欢迎大家关注~😊