【迎战蓝桥杯】 算法·每日一题（详解+多解）-- day7
✨博主介绍
和大于等于 target 的最短子数组
解题思路
💫点击直接资料领取💫
✨博主介绍
🌊 作者主页：苏州程序大白
🌊 作者简介：🏆CSDN人工智能域优质创作者🥇，苏州市凯捷智能科技有限公司创始之一，目前合作公司富士康、歌尔等几家新能源公司
💬如果文章对你有帮助，欢迎关注、点赞、收藏
💅 有任何问题欢迎私信，看到会及时回复
💅关注苏州程序大白，分享粉丝福利
和大于等于 target 的最短子数组
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 。
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。
示例 2：
输入：target = 4, nums = [1,4,4]
输出：1
示例 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：
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。
解题思路
双指针
采用双指针的方式，i不停的向前走，知道sum>=target。
当sum
当sum==target的时候记录下此时的子数组个数res，并使得i++。
当sum>target是，start++，保持i不动，也记录下此时的res（取最小值）。
时间复杂度O(N), 空间复杂度O(1)
class Solution { public int minSubArrayLen(int target, int[] nums) { int sum = 0; int n=nums.length; int res = 0; int i=0, start=0; while (i<n){ int cur = sum+nums[i]; if (cur<target){ sum += nums[i]; i++; }else if (cur==target){ sum += nums[i]; if (res!=0) res = Math.min(res, i-start+1); else res = i-start+1; i++; }else { if (res!=0) res = Math.min(res, i-start+1); else res = i-start+1; sum -= nums[start]; start++; } } return res; } }
优化
思路与前面大致是一样的，但是更简化
时间复杂度O(N), 空间复杂度O(1)
class Solution { public int minSubArrayLen(int target, int[] nums) { int n = nums.length; int ans = Integer.MAX_VALUE; int sum = 0; int left = 0, right = 0; while (right < n) { sum += nums[right++]; while (sum >= target) { ans = Math.min(ans, right - left); sum -= nums[left++]; } } return ans == Integer.MAX_VALUE ? 0 : ans; } }
前缀和+二分查找
由于数组中元素都是正数，所以前缀和数组为递增数组，可以使用二分法进行查找。
基于数组获得前缀和数组，数组nums的长度为n,为了方便计算，前缀和数组sums长度为n+1,sums[0]=0表示前0个数的和为0，sums[i]表示前i个数的和，sums[i]=nums[0]+nums[1]+……+nums[i-1]。构造前缀和数组的时间复杂度为O(n)。
nums数组中连续数字的和大于等于target,等价于sums数组中sums[j]-sums[i]>=target。
要找到最短连续字数组，首先遍历固定一个数字sum[i]，时间复杂度O(n)。
再在i后面的数中找到一个数sums[j],保证nums[j]>=nums[i]+target且j最小。连续数组找大于或等于目标值的数字，采用二分法，时间复杂度O(nlgn)。
时间复杂度：O(n)+O(nlgn)=O(nlgn) 空间复杂度：O(n)
public int minSubArrayLen(int target, int[] nums) { int n = nums.length; int minLen = Integer.MAX_VALUE; int[] sums = new int[n + 1];//前缀和数组，sums[0] = 0,sums[i]为前i个数的和 for(int i = 1; i <= n; i++) sums[i] = sums[i - 1] + nums[i - 1]; // sums[j]-sums[i] >= target for(int i = 0; i < n; i++){ int num = target + sums[i]; int j = Arrays.binarySearch(sums, num);//如果数组中存在num，返回索引；如果不存在，返回-（插入索引+1） if(j < 0) j = -j-1;//找到大于num的最小位置 if(j <= n) minLen = Math.min(minLen, j - i); } return minLen == Integer.MAX_VALUE ? 0 : minLen; }
