LeetCode 209：长度最小的子数组 ——「滑动窗口」的典范应用在算法面试和刷题过程中，子数组和区间问题是高频考点

在算法面试和刷题过程中，子数组和区间问题是高频考点。今天我们聚焦一道经典题目——长度最小的子数组（LeetCode 209），它不仅考察你对数组的基本操作，更是滑动窗口思想的绝佳练习。本文将带你深入理解题意、分析思路，并用最简洁的方式实现高效解法。

一、题目描述

给定一个含有 n 个正整数的数组和一个正整数 s ，找出该数组中满足其和 ≥ s 的长度最小的连续子数组，并返回其长度。如果不存在符合条件的子数组，返回 0。

示例：

输入：s = 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。

数据范围：

1 <= target <= 10^9
1 <= nums.length <= 10^5
1 <= nums[i] <= 10^5

题目链接： leetcode 209.题目链接

二、题目分析

1. 题意拆解

连续子数组：必须是数组中一段连续的元素。
和 ≥ s：子数组所有元素之和要大于等于目标值 s。
最小长度：在所有满足条件的子数组中，返回长度最小的那一个。

2. 暴力解法的瓶颈

最直接的思路是：枚举所有可能的子数组，计算每个子数组的和，判断是否满足条件，记录最小长度。

时间复杂度：O(n²)
空间复杂度：O(1)

对于 n 达到 10^5 的数据规模，暴力法会超时，必须优化。

三、滑动窗口思想

1. 什么是滑动窗口？

滑动窗口是一种高效处理区间问题的技巧。它通过维护一个“窗口”区间，不断调整窗口的左右边界，动态维护区间内的状态（如和、最大/最小值等），从而避免重复计算。

2. 本题滑动窗口的核心思路

用两个指针 left 和 right 表示窗口的左右边界。
right 向右扩展窗口，累加窗口内的和 sum。
每当 sum ≥ target 时，尝试收缩左边界 left，以获得更短的子数组，并更新最小长度。
不断重复，直到遍历完整个数组。

四、代码实现与详细注释

下面是标准的滑动窗口解法：

function minSubArrayLen(target, nums) {
    let len = nums.length;
    let minLen = Infinity; // 初始化为无穷大
    let sum = 0;           // 当前窗口的和
    let left = 0;         // 左边界
    let right = 0;        // 有边界

   while(right < len) {
        sum += nums[right];  // 扩展右边界

        // 当窗口内的和大于等于 target 时，尝试收缩左边界
        while (sum >= target) {
            minLen = Math.min(minLen, right - left + 1); // 更新最小长度
            sum -= nums[left]; // 收缩左边界
            left++;
        }
        right++
    }

    // 如果没有找到符合条件的子数组，返回0
    return minLen === Infinity ? 0 : minLen;
}

代码详解

minLen 用于记录当前找到的最小长度，初始为 Infinity，这样便于后续比较。
外层 while 循环移动右边界 right ，逐步扩展窗口
内层 while 循环在满足条件时，尽可能收缩左边界，寻找更短的子数组。
每次收缩窗口时，更新 minLen。
最后判断 minLen 是否被更新过，若未更新说明不存在符合条件的子数组，返回0。

五、滑动窗口的执行过程举例

以示例 target = 7, nums = [2,3,1,2,4,3] 为例，滑动窗口的变化如下：

right=0，sum=2，不满足
right=1，sum=5，不满足
right=2，sum=6，不满足
right=3，sum=8，满足，窗口长度4，尝试收缩
- 收缩后 sum=6，不满足
right=4，sum=10，满足，窗口长度3，继续收缩
- 收缩后 sum=7，窗口长度2，继续收缩
- 收缩后 sum=4，不满足
right=5，sum=7，满足，窗口长度2，继续收缩
- 收缩后 sum=3，不满足

最终，最小长度为2。

六、常见问题与细节

1. 为什么 `minLen` 初始值用 `Infinity`？

如果用0，Math.min(0, x) 永远是0，无法正确更新。用 Infinity 可以确保第一次找到满足条件的子数组时，minLen 会被正确赋值。

2. 为什么要用 while 循环收缩左边界？

因为每次右边界扩展后，可能窗口内的和远大于 target，需要多次收缩左边界，才能找到最短的子数组。

3. 时间复杂度分析

每个元素最多被访问两次（一次右扩、一次左缩），总复杂度 O(n)，非常高效。

七、总结

本题是滑动窗口思想的典型应用，适合初学者练习。
通过维护窗口的左右边界，动态调整区间，极大提升效率。
代码简洁，易于理解，适合面试和刷题时快速实现。

八、完整代码

function minSubArrayLen(target, nums) {
    let len = nums.length;
    let minLen = Infinity; 
    let sum = 0;           
    let left = 0;        
    let right = 0;        

   while(right < len) {
        sum += nums[right];  
        while (sum >= target) {
            minLen = Math.min(minLen, right - left + 1);
            sum -= nums[left]; 界
            left++;
        }
        right++
    }
    return minLen === Infinity ? 0 : minLen;
}

九、结语

滑动窗口是解决区间类问题的利器。通过本题的练习，你不仅能掌握滑动窗口的基本用法，还能体会到算法优化的乐趣。希望你能举一反三，将这一技巧应用到更多类似问题中！

LeetCode 209：长度最小的子数组 ——「滑动窗口」的典范应用