【滑动窗口】| 力扣高频题: 长度最小的数组-优快云博客

本文链接：https://blog.youkuaiyun.com/Jin__Wang/article/details/141575237

🎗️ 主页：小夜时雨
🎗️专栏：算法题
🎗️如何活着，是我找寻的方向

1. 题目解析

题目链接: https://leetcode.cn/problems/minimum-size-subarray-sum/description/ (可点击)

在这里插入图片描述

本道题是滑动窗口的一道经典应用问题：找出数组中长度最小的子数组。

滑动窗口优化思路：

利用滑动窗口来优化暴力枚举思路。

暴力枚举：两层 for 循环，固定一个起点，遍历出所有的子数组，然后找到满足条件的子数组，并在找到子数组的过程中，更新长度即可。
时间复杂度：两层 for 循环，所以是 O(n ^ 2)

优化思路：

两个指针：left 和 right，每次固定 left，right 向后遍历数组。

优化1：数组元素是大于 0 的，每次向后累加，和肯定都是变大的。所以当满足条件之后，在往后累加，和肯定也是满足条件的，但是长度肯定就会变长，就不是最短的，所以不用遍历到最后。
优化2：找到和满足条件后，更新结果记录长度，此时 left 向后移动，但是 right 不用回退到 left 处进行遍历。因为这个和我们也是可以知道的，就是 ret - nums[left] 的。所以就可以直接进行判断。

优化之后的时间复杂度：虽然是两层循环，但是是 O(n + n) = O(2n) = O(n).

接下来的代码里还会再次进行强调的，看下面的图更容易理解：

在这里插入图片描述

2. 代码

看下面的代码对照着上面的优化流程解析可能会更加的清楚。

public int minSubArrayLen(int target, int[] nums) {
       // 滑动窗口三步: 1. 初始值
       //               2. 进窗口
       //               3. 判断 出窗口
       //                    更新结果，这个视具体而定
       // 时间复杂度是 O（N），空间复杂度 O（1）
       int sum = 0; // 标记总和
       int len = Integer.MAX_VALUE; // 标记长度 , 求的最小值，防止干扰结果
       for(int left = 0,right = 0; right < nums.length; right++ ) {
           sum += nums[right]; // 1. 进窗口
           
           // 2. 判断, 注意 left 不要越界. 加不加都行, 因为越界的话 sum = 0了 不会大于target. 这个判断也过不去, 但是最好加上, 有的就需要加上. 保持习惯
           // while(left < n && sum >= target) {
           while(sum >= target) { // 2.判断结果                        
               len = Math.min(len, right - left + 1); // 更新结果
               sum -= nums[left]; // 3.出窗口
               left++; 
           }                          
       }
       // 可能没结果
       return len == Integer.MAX_VALUE ? 0 : len;
   }