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 。
实例
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。
2、
输入:target = 4, nums = [1,4,4]
输出:1
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
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。
思路
1、使用双指针-滑动窗口
2、先移动右指针
a、叠加当前下标值,求当前总和
b、如果当前数总和大于等于目标值,开始移动左指针
c、如果小于就移动右指针
实现
/**
* @param {number} target
* @param {number[]} nums
* @return {number}
*/
var minSubArrayLen = function (target, nums) {
let len = nums.length;
let left = (right = 0);
let ret = Number.MAX_VALUE;
let count = 0;
while (right < len) {
count += nums[right];
while (count >= target) {
ret = Math.min(ret, right - left + 1);
count -= nums[left];
left++;
}
right++;
}
return ret === Number.MAX_VALUE ? 0 : ret;
};
实现-复杂度分析
时间复杂度
:O(n),n 代表数组 nums 的长度
空间复杂度
:O(1),只使用了常数空间存放辅助变量,故渐进空间复杂度为 O(1)
官方
// java
class Solution {
public int minSubArrayLen(int s, int[] nums) {
int n = nums.length;
if (n == 0) {
return 0;
}
int ans = Integer.MAX_VALUE;
int start = 0, end = 0;
int sum = 0;
while (end < n) {
sum += nums[end];
while (sum >= s) {
ans = Math.min(ans, end - start + 1);
sum -= nums[start];
start++;
}
end++;
}
return ans == Integer.MAX_VALUE ? 0 : ans;
}
}
官方-复杂度分析
时间复杂度
:O(n),其中 n 是数组的长度。指针 start 和 end 最多各移动 n 次。
空间复杂度
:O(1)。