Markdown版本笔记	我的GitHub首页	我的博客	我的微信	我的邮箱
MyAndroidBlogs	baiqiantao	baiqiantao	bqt20094	baiqiantao@sina.com

领扣-209 长度最小的子数组 Minimum Size Subarray Sum MD

---

目录

目录
长度最小的子数组 Minimum Size Subarray Sum -209
问题
暴力法
暴力法稍加改进(然并卵)
双指针法(推荐)
二分查找法(不懂)

长度最小的子数组 Minimum Size Subarray Sum -209

问题

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。如果不存在符合条件的连续子数组，返回 0。

示例:

输入: s = 7, nums = [2,3,1,2,4,5]

输出: 2

解释: 子数组 [4,5] 是该条件下的长度最小的连续子数组。

进阶:

如果你已经完成了 O(n) 时间复杂度的解法, 请尝试 O(n log n) 时间复杂度的解法。

暴力法

class Solution {

    public int minSubArrayLen(int s, int[] nums) {

        int len = Integer.MAX_VALUE, tem;

        for (int i = 0; i < nums.length; i++) {

            tem = 0;

            for (int j = i; j < nums.length; j++) {

                tem += nums[j];

                if (tem >= s) {

                    len = Math.min(len, j - i + 1);

                    break;

                }

            }

        }

        return len == Integer.MAX_VALUE ? 0 : len;

    }

}

时间复杂度：O(n^2)

空间复杂度：O(1)

暴力法稍加改进(然并卵)

class Solution {

    public int minSubArrayLen(int s, int[] nums) {

        int len = Integer.MAX_VALUE, tem;

        for (int i = 0; i < nums.length; i++) {

            tem = 0;

            for (int j = i; j < nums.length && j < i + len - 1; j++) {

                tem += nums[j];

                if (tem >= s) {

                    len = j - i + 1;

                    break;

                }

            }

        }

        return len == Integer.MAX_VALUE ? 0 : len;

    }

}

时间复杂度：O(n^2)

空间复杂度：O(1)

双指针法(推荐)

我们需要定义两个指针left和right，分别记录子数组的左右的边界位置，然后我们让right向右移，直到子数组和大于等于给定值或者right达到数组末尾，此时我们更新最短距离，并且将left向右移一位，然后再sum中减去移去的值，然后重复上面的步骤，直到right到达末尾，且left到达临界位置，即要么到达边界，要么再往右移动，和就会小于给定值

class Solution {

    public int minSubArrayLen(int s, int[] nums) {

        int len = Integer.MAX_VALUE, left = 0, sum = 0;

        for (int right = 0; right < nums.length; right++) {

            sum += nums[right]; //左指针不动，右指针一直向右移动

            while (sum >= s) {

                len = Math.min(len, right - left + 1); //当满足条件时先记录一下当前需要的长度

                sum -= nums[left++]; //然后左指针向右移动(移动过程中如果满足条件则长度-1)，直到不满足条件(继续移动右指针)

            }

        }

        return len == Integer.MAX_VALUE ? 0 : len;

    }

}

时间复杂度：O(n)

空间复杂度：O(1)

二分查找法(不懂)

思路是，我们建立一个比原数组长一位的sums数组，其中sums[i]表示nums数组中[0, i - 1]的和，然后我们对于sums中每一个值sums[i]，用二分查找法找到子数组的右边界位置，使该子数组之和大于sums[i] + s，然后我们更新最短长度的距离即可。

class Solution {

    public int minSubArrayLen(int s, int[] nums) {

        int len = nums.length, res = len + 1;

        int[] sums = new int[len + 1];

        for(int i = 1; i<len+1; i++){

            sums[i] = sums[i-1] + nums[i-1];

        }

        for(int i = 0; i<len+1; i++){

            int right = searchRight(i+1, len, sums[i]+s, sums);

            if(right == len + 1) break;

            if(res > right - i) res = right - i;

        }

        return res == len + 1?0:res;

    }

    private int searchRight(int left, int right, int key, int sums[]){

        while(left <= right){

            int mid = (left + right)/2;

            if(sums[mid] >= key){

                right = mid - 1;

            }else{

                left = mid + 1;

            }

        }

        return left;

    }

}

2016-12-28

2018-12-16

领扣-209 长度最小的子数组 Minimum Size Subarray Sum MD的相关教程结束。