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 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 = [2,3,1,2,4,3]
输出: 2
解释: 子数组 [4,3] 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。
2 解法
在做862时无意中做出了这个题。它和862的区别是,数组中的数都是正数。
在O(N)时间内计算nums的累积和数组sums,sums[i]=nums[0]+nums[1]+…+nums[i]。
假设当前窗口为k,在O(n)时间内可以计算出所有窗口大小为k的子数组的和,如果最大的比s小,要增大窗口,如果最大的比s大(或相等)就缩小窗口。这样最多lg(n)次循环就可以了。
3 java源码
class Solution {
// A的累计和数组,sums[i] = sums(A[0]+A[1]+...+A[i])
int[] sums;
int K;
int[] A;
int minWindownSize;
/**
* 窗口大小固定时,计算每个窗口内所有值的和,返回最大的和
* 时间复杂度为O(n)
*
* @param x 窗口大小
* @return 最大的窗口内值的和
*/
private int maxSumOverFixedSizeWindow(int x) {
int max = sums[x-1];
for (int i = 1; i < sums.length-x+1; i++) {
int sum = sums[i+x-1]-sums[i-1];
if (sum > max) max = sum;
}
return max;
}
/**
* 可能的窗口范围在[min, max]之间,确定一个中间的数,然后递归查找
* @param min
* @param max
* @return
*/
private void find(int min, int max) {
if (min > max) return;
int x = (max-min)/2+min; // 窗口大小
if (minWindownSize > 0 && minWindownSize <= x) return;
int maxSum = maxSumOverFixedSizeWindow(x); // 窗口大小为x时,窗口内值的和最大为maxSum
if (maxSum < K) { // 扩大窗口,没有找到,扩大窗口,看看能不能找到,可能会一直扩大到窗口为n,
find(x+1, max);
find(min, x-1);
} else { // 缩小窗口 maxSum >= K,找到了,继续寻找有没有更好的,要一直缩小到窗口为1
minWindownSize = x;
find(min, x-1);
}
}
public int minSubArrayLen(int s, int[] nums) {
int n = nums.length;
if (n == 0) return 0;
sums = new int[n];
sums[0] = nums[0];
for (int i = 1; i < n; i++) {
sums[i] = sums[i-1]+nums[i];
}
this.K = s;
this.A = nums;
this.minWindownSize = 0;
for (int size = 1; size <= n; size*=2) {
int maxSum = maxSumOverFixedSizeWindow(size);
if (maxSum >= K) {
minWindownSize = size;
}
}
if (minWindownSize != 0) {
find(1, minWindownSize);
} else {
find(1, n);
}
return this.minWindownSize;
}
}