大脑里的第一想法是排列组合,直接给出超级准确的最优解。
但不适用,hhh
只要连续的n个元素大于或者等于target就可以了
题目比自己想象的要好解决
解法是使用滑动窗口算法。这个算法的基本思想是维护一个窗口,使得窗口内的元素总和大于等于目标值,然后尝试缩小窗口以找到最小的满足条件的子数组。
Python
class Solution:
def minSubArrayLen(self, target: int, nums: List[int]) -> int:
n = len(nums)
ans = n + 1
start = 0
end = 0
total = 0
while end < n:
total += nums[end]
while total >= target:
ans = min(ans, end - start + 1)
total -= nums[start]
start += 1
end += 1
return 0 if ans == n + 1 else ans
C#
public class Solution {
public int MinSubArrayLen(int target, int[] nums) {
int n = nums.Length;
int ans = n + 1;
int start = 0;
int end = 0;
int total = 0;
while (end < n) {
total += nums[end];
while (total >= target) {
ans = Math.Min(ans, end - start + 1);
total -= nums[start];
start++;
}
end++;
}
return ans == n + 1 ? 0 : ans;
}
}
解法的时间复杂度是O(n),因为每个元素最多被访问两次。
二分查找法
在这个问题中,O(n)的滑动窗口解法已经是最优解法,因为它只需要遍历一次数组。然而,如果你想要实现一个O(n log n)的解法,你可以使用二分查找的方法。这种方法的基本思想是先计算累积和数组,然后对每个累积和,使用二分查找找到最小的索引j,使得sum[j] - sum[i] >= target。
以下是这个方法的Python实现:
Python
import bisect
class Solution:
def minSubArrayLen(self, target: int, nums: List[int]) -> int:
n = len(nums)
ans = n + 1
sums = [0] * (n + 1)
for i in range(1, n + 1):
sums[i] = sums[i - 1] + nums[i - 1]
for i in range(1, n + 1):
to_find = target + sums[i - 1]
bound = bisect.bisect_left(sums, to_find)
if bound != len(sums):
ans = min(ans, bound - (i - 1))
return 0 if ans == n + 1 else ans
C#
public class Solution {
public int MinSubArrayLen(int target, int[] nums) {
int n = nums.Length;
int ans = n + 1;
int[] sums = new int[n + 1];
for (int i = 1; i <= n; i++) {
sums[i] = sums[i - 1] + nums[i - 1];
}
for (int i = 1; i <= n; i++) {
int to_find = target + sums[i - 1];
int bound = Array.BinarySearch(sums, to_find);
if (bound < 0) {
bound = ~bound;
}
if (bound <= n) {
ans = Math.Min(ans, bound - (i - 1));
}
}
return ans == n + 1 ? 0 : ans;
}
}