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 的长度最小的子数组。如果不存在符合条件的子数组,返回 0。
示例:
输入: [2,3,1,2,4,3], s = 7
输出: 2
解释: 子数组 [4,3] 是该条件下的长度最小的子数组。
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。
解题思路
我们首先想到的方案是暴力破解,通过遍历所有的子数组找到满足条件的最小子数组。
class Solution:
def minSubArrayLen(self, s, nums):
"""
:type s: int
:type nums: List[int]
:rtype: int
"""
minLen = len(nums) + 1
for i, _ in enumerate(nums):
sum_all = 0
for j, tmp in enumerate(nums[i:]):
sum_all += tmp
if sum_all >= s:
minLen = min(minLen, j + 1)
if minLen == len(nums) + 1:
return 0
return minLen
但是这种O(n^2)
解法,我们通过分析发现我们上述算法中有大量重叠运算。我们就会想有没有O(n)
级别的算法呢?我们是否可以只遍历一遍就可以得到结果?
这个时候我们就会想到之前Leetcode 167:两数之和 II - 输入有序数组提到的对撞指针
。我们可以建立两个指针,通过累加两个指针的区间内的值和s
比较,就可以在O(n)
级别的时间内得到结果。
2 3 1 2 4 3
l <- -> r
由于两个指针移动的过程中,指针之间的距离就像一个窗口一样,我们通过控制窗口的大小,得到我们想要的结果。我们称这种问题是一个滑动窗口问题。
class Solution:
def minSubArrayLen(self, s, nums):
"""
:type s: int
:type nums: List[int]
:rtype: int
"""
l = 0
r = 0
sum_all = 0
nums_len = len(nums)
minLength = nums_len + 1
while l < nums_len:
if r < nums_len and sum_all < s:
sum_all += nums[r]
r += 1
else:
sum_all -= nums[l]
l += 1
if sum_all >= s:
minLength = min(minLength, r - l)
if minLength == nums_len + 1:
return 0
return minLength
该问题的其他语言版本添加到了我的GitHub Leetcode
如有问题,希望大家指出!!!