Leetcode 长度最小的子数组
这段代码实现了一个解决“长度最小的子数组”问题的Java解决方案，采用了滑动窗口的算法思想。下面是详细的中文解释：
算法思想：
-
滑动窗口：该算法利用了滑动窗口的思想，窗口的左右边界分别用变量
left和right来表示。right向右移动遍历数组中的每个元素，不断扩大窗口，直到窗口内的元素和达到或超过目标值target。 -
窗口内求和：我们定义了一个
sum变量来记录当前窗口内元素的和。每当right向右移动时，将当前nums[right]的值加入到sum中。 -
缩小窗口：当
sum达到或超过target时，表示当前窗口（从left到right）满足条件，即窗口内的元素和大于等于target。这时候，我们尝试通过增大left的值来缩小窗口，从而找到符合条件的最小长度子数组。- 在缩小窗口时，我们每次计算当前窗口的长度，并更新
minLength为minLength和当前窗口长度之间的最小值。 - 然后，从
sum中减去nums[left]的值，并将left向右移动一个位置，以继续寻找更小的符合条件的子数组。
- 在缩小窗口时，我们每次计算当前窗口的长度，并更新
-
最终结果：遍历完整个数组后，如果
minLength仍然是初始值Integer.MAX_VALUE，说明没有找到符合条件的子数组，返回 0。否则，返回minLength，即符合条件的最小子数组的长度。
时间复杂度：
该算法的时间复杂度为 (O(n))，因为每个元素最多被处理两次（一次是被 right 指针添加进窗口，另一次是被 left 指针移出窗口）。
总结：
- 使用滑动窗口逐步扩大和缩小窗口，确保在满足条件的同时，找到最小长度的子数组。
- 如果不存在满足条件的子数组，返回 0；否则返回最小长度。
java solution
class Solution {public int minSubArrayLen(int target, int[] nums) {int left = 0;int sum = 0; //初始化窗口内的和int minLen = Integer.MAX_VALUE;//右边界遍历数组for(int right = 0; right < nums.length; right++) {//逐渐尝试求和sum += nums[right];//当 sum >= target 时，尝试缩小窗口while(sum >= target) {minLen = Math.min(minLen, right - left + 1);sum -= nums[left];//将左边界的值从sum中减去left++; //移动左边界，缩小窗口}}return minLen == Integer.MAX_VALUE ? 0 : minLen;}
}