doocs/leetcode 题解精讲:209. 长度最小的子数组——前缀和二分与滑动窗口双解法
doocs/leetcode 题解精讲:209. 长度最小的子数组——前缀和二分与滑动窗口双解法
导读
本文以 doocs/leetcode 仓库中 0209.Minimum Size Subarray Sum 题解文档 为主体,系统讲解 LeetCode 209「长度最小的子数组」这道经典滑动窗口题目。文章完整覆盖题目约束、两种官方解法(前缀和 + 二分查找、双指针滑动窗口)的原理推导与 Python3 / Java / C++ / Go / TypeScript / Rust / C# 多语言实现,并补充溢出防护、边界判定等实现细节,帮助读者在面试与工程中自如套用这套"窗口维护"方法论。
题目速览:求最短的"和达标"连续子数组
给定一个含有 n 个正整数的数组 nums 和一个正整数 target,找出该数组中满足其总和大于等于 target 的长度最小的子数组 [nums_l, nums_{l+1}, ..., nums_{r-1}, nums_r],并返回其长度。如果不存在符合条件的子数组,返回 0。
示例
- 示例 1:
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:
target = 4, nums = [1,4,4],输出1。单个元素[4]即可达标。 - 示例 3:
target = 11, nums = [1,1,1,1,1,1,1,1],输出0。全数组之和也只有 8,无法达标。
约束与进阶
| 约束项 | 取值范围 |
|---|---|
target |
1 <= target <= 10^9 |
nums.length |
1 <= nums.length <= 10^5 |
nums[i] |
1 <= nums[i] <= 10^4 |
进阶要求: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。也就是说,官方希望读者至少掌握"滑动窗口"和"前缀和 + 二分查找"两条路线——本文接下来就逐一展开。
思路起点:为什么暴力枚举不可行
最直观的做法是枚举全部子数组并求和,复杂度为 ,在 n <= 10^5 的数据规模下必然超时。
题目之所以能用更优解法,依赖一个关键前提:nums 中元素均为正整数。由此可以推出两条重要性质:
- 前缀和单调递增:记
s[i]为前i项元素之和,则s严格单调递增,这为二分查找提供了有序性基础; - 窗口和的单调性:窗口和随右端扩张而增大、随左端右移而减小,这为双指针滑动窗口提供了可行性。
这两条性质分别导出了本文的两种解法。
方法一:前缀和 + 二分查找(O(n log n))
原理推导
先预处理出数组 nums 的前缀和数组 s,其中 s[i] 表示数组 nums 前 i 项元素之和(s[0] = 0)。由于元素均为正整数,数组 s 单调递增。初始化答案 ans = n + 1,其中 n 为数组 nums 的长度。
接下来遍历前缀和数组 s:对于每个 s[i],子数组 nums[i..j-1] 的和等于 s[j] - s[i],要让它大于等于 target,等价于寻找满足:
的最小下标 j。由于 s 单调递增,这一步可以直接用二分查找完成。若找到的 j <= n,说明存在满足条件的子数组,用 j - i 更新答案:ans = min(ans, j - i)。
最后,若 ans <= n,说明存在满足条件的子数组,返回 ans;否则返回 0。
复杂度:时间复杂度 ,空间复杂度 ,其中 n 为数组长度。
各语言实现
Python3
class Solution:
def minSubArrayLen(self, target: int, nums: List[int]) -> int:
n = len(nums)
s = list(accumulate(nums, initial=0))
ans = n + 1
for i, x in enumerate(s):
j = bisect_left(s, x + target)
if j <= n:
ans = min(ans, j - i)
return ans if ans <= n else 0
对应源码:Solution.py。这里 accumulate(nums, initial=0) 一行生成带 s[0]=0 的前缀和数组,bisect_left 正是求"第一个大于等于 x + target 的下标"的标准工具。
Java
class Solution {
public int minSubArrayLen(int target, int[] nums) {
int n = nums.length;
long[] s = new long[n + 1];
for (int i = 0; i < n; ++i) {
s[i + 1] = s[i] + nums[i];
}
int ans = n + 1;
for (int i = 0; i <= n; ++i) {
int j = search(s, s[i] + target);
if (j <= n) {
ans = Math.min(ans, j - i);
}
}
return ans <= n ? ans : 0;
}
private int search(long[] nums, long x) {
int l = 0, r = nums.length;
while (l < r) {
int mid = (l + r) >> 1;
if (nums[mid] >= x) {
r = mid;
} else {
l = mid + 1;
}
}
return l;
}
}
对应源码:Solution.java。注意前缀和数组声明为 long[]:n 最大为 10^5、nums[i] 最大为 10^4,前缀和最大可达 10^9,接近 int 上限,用 long 可避免累加溢出。手写的 search 二分即 lower_bound 语义,返回第一个满足 nums[mid] >= x 的下标。
C++
class Solution {
public:
int minSubArrayLen(int target, vector<int>& nums) {
int n = nums.size();
vector<long long> s(n + 1);
for (int i = 0; i < n; ++i) {
s[i + 1] = s[i] + nums[i];
}
int ans = n + 1;
for (int i = 0; i <= n; ++i) {
int j = lower_bound(s.begin(), s.end(), s[i] + target) - s.begin();
if (j <= n) {
ans = min(ans, j - i);
}
}
return ans <= n ? ans : 0;
}
};
C++ 版本直接复用 STL 的 lower_bound,前缀和同样选用 long long 防止溢出。
Go
func minSubArrayLen(target int, nums []int) int {
n := len(nums)
s := make([]int, n+1)
for i, x := range nums {
s[i+1] = s[i] + x
}
ans := n + 1
for i, x := range s {
j := sort.SearchInts(s, x+target)
if j <= n {
ans = min(ans, j-i)
}
}
if ans == n+1 {
return 0
}
return ans
}
Go 版本使用 sort.SearchInts 在有序切片上完成二分。这里以 ans == n+1 是否保持初始值来判断是否存在合法子数组。
TypeScript
function minSubArrayLen(target: number, nums: number[]): number {
const n = nums.length;
const s: number[] = new Array(n + 1).fill(0);
for (let i = 0; i < n; ++i) {
s[i + 1] = s[i] + nums[i];
}
let ans = n + 1;
const search = (x: number) => {
let l = 0;
let r = n + 1;
while (l < r) {
const mid = (l + r) >>> 1;
if (s[mid] >= x) {
r = mid;
} else {
l = mid + 1;
}
}
return l;
};
for (let i = 0; i <= n; ++i) {
const j = search(s[i] + target);
if (j <= n) {
ans = Math.min(ans, j - i);
}
}
return ans === n + 1 ? 0 : ans;
}
TypeScript 版本手写二分时用 >>> 1(无符号右移)计算 mid,避免 (l + r) 可能出现的负数或溢出问题,这是 JS/TS 语言中二分实现的常见细节。
方法二:双指针 / 滑动窗口(O(n))
原理推导
方法一仍需 空间,且多出一个对数因子。由于元素均为正整数,窗口和随右端扩张而增大、随左端右移而减小,具有单调性,因此可以直接用双指针维护一个滑动窗口,把复杂度降到 与 。
具体地,定义两个指针 l 和 r 分别表示滑动窗口的左、右边界,变量 s 代表窗口内元素之和:
- 每一步移动右指针
r,让窗口加入一个元素nums[r]; - 若此时
s >= target,则用r - l + 1更新最小长度ans; - 然后循环右移左指针
l(同时从s中减去nums[l]),直至s < target,再进入下一轮扩张。
每个下标至多进出窗口一次,因此总复杂度为 。若最终 ans 仍为初始值,说明整个数组之和都不足 target,返回 0。
复杂度:时间复杂度 ,空间复杂度 。
各语言实现
Python3
class Solution:
def minSubArrayLen(self, target: int, nums: List[int]) -> int:
l = s = 0
ans = inf
for r, x in enumerate(nums):
s += x
while s >= target:
ans = min(ans, r - l + 1)
s -= nums[l]
l += 1
return 0 if ans == inf else ans
对应源码:Solution2.py。这里用 inf(正无穷)作为初始值,最后以 ans == inf 判断是否无解。
Java
class Solution {
public int minSubArrayLen(int target, int[] nums) {
int l = 0, n = nums.length;
long s = 0;
int ans = n + 1;
for (int r = 0; r < n; ++r) {
s += nums[r];
while (s >= target) {
ans = Math.min(ans, r - l + 1);
s -= nums[l++];
}
}
return ans > n ? 0 : ans;
}
}
窗口和 s 同样用 long 承载:极端情况下窗口可能接近整个数组,和可达 10^9 量级,超出 int 安全范围。
C++
class Solution {
public:
int minSubArrayLen(int target, vector<int>& nums) {
int l = 0, n = nums.size();
long long s = 0;
int ans = n + 1;
for (int r = 0; r < n; ++r) {
s += nums[r];
while (s >= target) {
ans = min(ans, r - l + 1);
s -= nums[l++];
}
}
return ans > n ? 0 : ans;
}
};
Go
func minSubArrayLen(target int, nums []int) int {
l, n := 0, len(nums)
s, ans := 0, n+1
for r, x := range nums {
s += x
for s >= target {
ans = min(ans, r-l+1)
s -= nums[l]
l++
}
}
if ans > n {
return 0
}
return ans
}
TypeScript
function minSubArrayLen(target: number, nums: number[]): number {
const n = nums.length;
let [s, ans] = [0, n + 1];
for (let l = 0, r = 0; r < n; ++r) {
s += nums[r];
while (s >= target) {
ans = Math.min(ans, r - l + 1);
s -= nums[l++];
}
}
return ans > n ? 0 : ans;
}
Rust
impl Solution {
pub fn min_sub_array_len(target: i32, nums: Vec<i32>) -> i32 {
let n = nums.len();
let mut res = n + 1;
let mut sum = 0;
let mut i = 0;
for j in 0..n {
sum += nums[j];
while sum >= target {
res = res.min(j - i + 1);
sum -= nums[i];
i += 1;
}
}
if res == n + 1 {
return 0;
}
res as i32
}
}
对应源码:Solution.rs。需要说明的是,从源码结构看,本仓库的 Rust 解法直接采用了双指针实现(方法二),未单独提供前缀和二分的 Rust 版本;res 保持初始值 n + 1 即表示无解。
C#
public class Solution {
public int MinSubArrayLen(int target, int[] nums) {
int n = nums.Length;
long s = 0;
int ans = n + 1;
for (int i = 0, j = 0; i < n; ++i) {
s += nums[i];
while (s >= target) {
ans = Math.Min(ans, i - j + 1);
s -= nums[j++];
}
}
return ans == n + 1 ? 0 : ans;
}
}
对应源码:Solution.cs。C# 版本以 i 为右边界、j 为左边界,写法与其余语言完全同构。
两种方法对比与实现要点
| 维度 | 方法一:前缀和 + 二分 | 方法二:双指针滑动窗口 |
|---|---|---|
| 时间复杂度 | ||
| 空间复杂度 | (前缀和数组) | |
| 依赖前提 | 前缀和单调递增 | 窗口和随左右边界单调变化 |
| 典型适用 | 需要任意 s[i] 快速查询的场景,进阶要求路线 |
面试最推荐的在线性解法 |
实现层面的几个共性要点值得注意:
- 答案初始值:
ans初始化为n + 1(或inf),因为理论上最长的合法子数组长度也不会超过n,n + 1天然充当"未更新"哨兵; - 无解判定:不同语言分别以
ans == n + 1、ans > n或ans == inf判断,本质都是"哨兵值未被更新"; - 防溢出:
target最大为10^9,前缀和与窗口和需要long/long long承载,Java、C++、C# 源码均已体现这一点; - 二分边界:前缀和二分的查找区间是
[0, n],找到的下标j若等于n表示"恰好整个剩余数组达标",j > n才意味着无解。
同源变体:剑指 Offer II 008(2VG8Kg)
值得关注的是,本题与《剑指 Offer(专项突破版)》中的 剑指 Offer II 008. 和大于等于 target 的最短子数组 是同一道题——该文档中明确注明"本题与主站 209 题相同"。两处题目描述、示例与约束完全一致(lcof2 版约束为 nums[i] <= 10^5),仓库为此也单独维护了一套题解目录。
lcof2 版本同样以双指针作为推荐解法,并额外提供了 Swift 实现,可作交叉参考:
class Solution {
func minSubArrayLen(_ target: Int, _ nums: [Int]) -> Int {
let inf = Int.max
var ans = inf
var sum = 0
var i = 0
for j in 0..<nums.count {
sum += nums[j]
while sum >= target {
ans = min(ans, j - i + 1)
sum -= nums[i]
i += 1
}
}
return ans == inf ? 0 : ans
}
}
小结
LeetCode 209「长度最小的子数组」是理解"前缀和 + 二分"与"滑动窗口双指针"两套经典技巧的最佳入门题之一:
- 正整数前提让前缀和单调、窗口和单调,分别支撑起两种解法的正确性;
- 前缀和 + 二分()满足题目进阶要求,空间换时间的思路可迁移到需要快速区间查询的题目;
- 双指针滑动窗口()是面试最优解,每个元素最多进出窗口一次,常数空间、线性时间,务必熟练掌握其"先扩张、达标即收缩"的写法模板。
完整题解文档见 0209.Minimum Size Subarray Sum/README.md,全部多语言源码可直接在仓库对应目录下查看。