专业制作简历收费,郑州seo招聘,深圳企业网站制作公司,网站建设的实践报告大脑里的第一想法是排列组合#xff0c;直接给出超级准确的最优解。 但不适用#xff0c;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#xff0c;使得窗口内的元素总和大于等于目… 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 1start 0end 0total 0while end n:total nums[end]while total target:ans min(ans, end - start 1)total - nums[start]start 1end 1return 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 bisectclass Solution:def minSubArrayLen(self, target: int, nums: List[int]) - int:n len(nums)ans n 1sums [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;}
}
