每日一题:长度最小的子数组
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
解题思路:(暴力解法)
这道题可以使用两个for循环解决
遍历数组,不断的寻找符合题目要求的最小子数组
代码:(JAVA实现)
public int minSubArrayLen(int target, int[] nums) {
int result = Integer.MAX_VALUE;//最终结果
int len = 0;//最小子数组的长度
int sum = 0;//和
for (int i = 0; i < nums.length;i++) {
sum = 0;
for (int j = i; j < nums.length;j++) {
sum += nums[j];
//当子数组和超过target时,更新len的长度
if (sum >= target) {
len = j - i + 1;//取子数组的长度
//比较当前符合要求的子数组长度和上一个符合要求的子数组长度
//将更小的那个长度拿出来
if (result < len) {
result = result;
}else {
result = len;
}
break;
}
}
}
//如果result没有被赋值的话,返回0,说明没有找到符合条件的子数组
if (result == Integer.MAX_VALUE) {
return 0;
}
return result;
}
复杂度分析:
- 时间复杂度:O(n^2)
- 空间复杂度:O(1)
提交结果
解题思路:(滑动窗口)
所谓滑动窗口,就是不断的移动子数组的起始位置和结束位置,从而找到我们想要的结果
滑动窗口其实可以理解为是双指针的一种,只不过比起双指针,它更像一个窗口在不停的移动,所以称它为滑动窗口
在本题中实现滑动窗口,主要有三点:
- 窗口内是什么:满足和
>= target
的子数组 - 如何移动窗口的起始位置:如果当前窗口的和大于
target
,说明子数组该缩小了(起始位置向右移动) - 如何移动窗口的结束位置:窗口的结束位置就是遍历数组的指针
代码:(JAVA实现)
public int minSubArrayLen(int target, int[] nums) {
int left = 0;//窗口的起始位置
int sum = 0;//和
int result = Integer.MAX_VALUE;//最终结果
for (int right = 0; right < nums.length;right++) {
sum += nums[right];
while (sum >= target) {
result = Math.min(result,right-left+1);
//这里起到了滑动窗口的精髓之处 不断变化子数组的起始位置
sum -= nums[left++];
}
}
if (result == Integer.MAX_VALUE) {
return 0;
}
return result;
}
复杂度分析:
- 时间复杂度:O(n):每个元素在滑动窗后进来操作一次,出去操作一次,每个元素都是被被操作两次,所以时间复杂度是 2^n 也就是O(n)。
- 空间复杂度:O(1)
提交结果
总结
可以发现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。从而将O(n^2)暴力解法降为O(n)。
转载自:https://juejin.cn/post/7138062625258078222