# 题目

给定一个含有 n 个正整数的数组和一个正整数 target 。

找出该数组中满足其和 ≥ target 的长度最小的 连续子数组 [numsl, numsl+1, ..., numsr-1, numsr] ，并返回其长度 **。** 如果不存在符合条件的子数组，返回 0 。

209. 长度最小的子数组 - 力扣（LeetCode）

# 分析

先惯例暴力解法，两个 for 循环，第一个 for 遍历数组，第二个 for 找满足条件的数组。

	// 时间复杂度：O (n^2)
	// 空间复杂度：O (1)
	class Solution {
	public:
	int minSubArrayLen(int s, vector<int>& nums) {
	int result = INT32_MAX; // 最终的结果
	int sum = 0; // 子序列的数值之和
	int subLength = 0; // 子序列的长度
	for (int i = 0; i < nums.size(); i++) { // 设置子序列起点为 i
	sum = 0;
	for (int j = i; j < nums.size(); j++) { // 设置子序列终止位置为 j
	sum += nums[j];
	if (sum >= s) { // 一旦发现子序列和超过了 s，更新 result
	subLength = j - i + 1; // 取子序列的长度
	result = result < subLength ? result : subLength;
	break; // 因为我们是找符合条件最短的子序列，所以一旦符合条件就 break
	}
	}
	}
	// 如果 result 没有被赋值的话，就返回 0，说明没有符合条件的子序列
	return result == INT32_MAX ? 0 : result;
	}
	};

滑动窗口

滑动窗口是一种数据处理技术，用于处理数据序列或数据流。它的基本原理是在数据序列上定义一个固定大小的窗口，然后通过滑动窗口的方式在序列上移动，以便对窗口内的数据进行处理和分析。

滑动窗口通常有两个参数：窗口大小和滑动步长。

上面暴力解法两个 for，一个确定数组的起点，另一个确定目标数组的终点。

如果用一个 for 的话，可以选择来做终点。

	// 时间复杂度：O (n)
	// 空间复杂度：O (1)
	class Solution {
	public:
	int minSubArrayLen(int s, vector<int>& nums) {
	int result = INT32_MAX;
	int sum = 0; // 滑动窗口数值之和
	int i = 0; // 滑动窗口起始位置
	int subLength = 0; // 滑动窗口的长度
	for (int j = 0; j < nums.size(); j++) {
	sum += nums[j];
	// 注意这里使用 while，每次更新 i（起始位置），并不断比较子序列是否符合条件
	while (sum >= s) {
	subLength = (j - i + 1); // 取子序列的长度
	result = result < subLength ? result : subLength;
	sum -= nums[i++]; // 这里体现出滑动窗口的精髓之处，不断变更 i（子序列的起始位置）
	}
	}
	// 如果 result 没有被赋值的话，就返回 0，说明没有符合条件的子序列
	return result == INT32_MAX ? 0 : result;
	}
	};

滑动窗口是一种常用的数据处理技术，适用于以下情况：

时序数据处理：滑动窗口常用于处理时序数据，例如时间序列分析、股票价格预测等。通过滑动窗口，可以在不断更新的数据流中获取固定大小的窗口，进行数据分析和预测。
数据流处理：当数据以流的形式不断产生时，滑动窗口可以用来对数据流进行实时处理。通过滑动窗口，可以对数据流进行分段处理，提取特征、计算统计量等。
网络通信：在网络通信中，滑动窗口协议常用于可靠传输和流量控制。发送方将数据分割成固定大小的窗口，接收方确认接收到的窗口并请求下一个窗口，以保证数据的可靠传输和流量控制。
数据处理和分析：滑动窗口可以用于对大规模数据集进行处理和分析。通过滑动窗口，可以将数据集分成多个窗口，对每个窗口进行分析，以提取特征、计算统计量等。

需要注意的是，滑动窗口的使用条件取决于具体的应用场景和需求。在使用滑动窗口时，需要根据实际情况确定窗口的大小、滑动的步长等参数，以满足数据处理和分析的要求。

数组滑动窗口