一、编程题:209. 长度最小的子数组(双指针-滑动窗口)
1.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 。 LeetCode题目链接。
2.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。
3.示例2:
输入:target = 4, nums = [1,4,4] 输出:1
4.示例3:
输入:target = 11, nums = [1,1,1,1,1,1,1,1] 输出:0
5.提示:
- 1 <= target <= 109
- 1 <= nums.length <= 105
- 1 <= nums[i] <= 105
6.提示:
- 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。
二、解题思路
这次还是老规矩练习一下双指针的思想,不枉练习这么多次双指针的题,现在双指针思路算是有一点长进了。其关键点还是该怎么去移动这两个指针?这一点要理清楚。;
1.思路
解决方法1(个人想法):
- Step 1.创建left,right分别指向滑动窗口的开始位置和结束位置,并用min存储数组中得到的最小长度和维护变量sum存储滑动窗口中的元素和(即nums[left]到nums[right]);
- Step 2.通过循环移动窗口的右指针right,当sum>=target时,记录当前滑动窗口长度,然后将left尝试向右边移动,直到sum<target为止,这样就能得到滑动窗口中最小长度;
- Step 3.重复Step2步直到right>target遍历结束,就能得到子数组的最小长度了;
一开始就是用滑动窗口进行移动寻找子数组,但对循环的结束判定却把握不准,导致程序运行超时。
2.复杂度分析:
时间复杂度 O(N)?: 其中N是数组的长度。指针left和right最多各移动N次。 空间复杂度 O(1): 使用常数额外空间。
3.算法图解
红色部分代表滑动窗口的大小。(注:本人不会做成流程动画,希望会的朋友可以私信我指点一二,说个软件名字也可以,谢谢)
三、代码实现
。每个代码块都写了注释,方便理解,代码还可以改进; 代码如下(示例): 解法一:
class Solution {
public int minSubArrayLen(int target, int[] nums) {
int left = 0, right = 0, length = nums.length-1, min = length+2, sum = 0;
while(right <= length){
sum += nums[right];
while(sum >= target){
min = Math.min(min, right-left+1);
sum -= nums[left++];
}
right++;
}
return min == length+2 ? 0 : min;
<!-- if(sum < target){
right++;
if(right > length && min == length + 2) return 0;
}
else{
while(sum >= target){
sum -= nums[left++];
}
min = Math.min(min, right-left+2);
sum = 0;
left++;
right = left;
}
return min == length+2 ? 0 : min; -->
}
}
提交结果:
总结
以上就是今天要讲的内容,做题的时候,就是奔着双指针的思路进行解决的,练习这么多次现在逐渐找到了点感觉。我感觉就是双指针的关键点就是在于该怎么去移动两个指针,理清这一点之后离结果也就不远了,这次双指针都是指向滑动窗口来进行移动才能减少运行时间,但想好了怎么移动这两个指针,却卡着不知道该怎么结束循环,这块没想好导致程序运行最后一个例子时报运行超时。所以就赶紧记录一下这时刻。
|