【LeetCode】209.长度最小的子数组

今天给大家带来一个比较有趣的有关数组的题目，难度中等。整体解法不算困难，但是可以给人一种新的思考模式。那么话不多说，让我们来看看这道题目。

题目

题目链接： https://leetcode-cn.com/problems/minimum-size-subarray-sum/

给定一个含有 n 个正整数的数组和一个正整数 s ，找出该数组中满足其和 ≥ s 的长度最小的 连续 子数组，并返回其长度。如果不存在符合条件的子数组，返回 0。

示例：

输入：s = 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。

解法

暴力算法

暴力算法当然能解决这个题目，就是相对来说无脑一些。直接使用两个for循环，然后不断的寻找符号条件的子序列，时间复杂度当然是O(n^2)。

class Solution {
    public int minSubArrayLen(int target, int[] nums) {
        // 返回值
        int ans = Integer.MAX_VALUE;
        // 目前的总和
        int sum = 0;
        // 目前的长度
        int length = 0;
        for (int i = 0; i < nums.length; i++) {
            sum = 0;
            for (int j = i; j < nums.length; j++) {
                sum += nums[j];
                if (sum >= target) {
                    length = j - i + 1;
                    ans = ans < length ? ans : length;
                    break;
                }
            }
        }
        return ans == Integer.MAX_VALUE ? 0 : ans;
    }
}

滑动窗口

看完上面的暴力算法后，我们发现时间复杂度太大了。很多时间浪费在了很多无意义的比较和求和上，我们需要的是最小的子数组，当我们拿到一个符合要求的数组后，那么我们就可以在此基础上进行调整。

要想实现这个功能，我们可以引入滑动窗口的思想，所谓的滑动窗口就是不断的调整子序列的起始位置和终止位置，从而得出我们想要的结果。

对于滑动窗口，我们需要确定三点：

窗口内是什么？ 满足和大于目标值 如何移动窗口的起始位置 当窗口内数据大于目标数据是就要缩小了 如何移动窗口的结束位置 当窗口的数据小于目标数据就要扩大了。

class Solution {
    public int minSubArrayLen(int target, int[] nums) {
        int left = 0;
        int sum = 0;
        int ans = Integer.MAX_VALUE;
        for (int right = 0; right < nums.length; right++) {
            sum += nums[right];
            while (sum >= target) {
                ans = Math.min(ans, right - left + 1);
                sum -= nums[left++];
            }
        }
        return ans == Integer.MAX_VALUE ? 0 : ans;
    }
}

最后

——我是冢狐，和你一样热爱编程。