题目描述
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，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：target = 7, nums = [2,3,1,2,4,3]
- 输出：2（解释：子数组 [4,3] 的和为 7，长度最小）
- 输入：target = 11, nums = [1,1,1,1,1,1,1,1]
- 输出：0（无满足条件的子数组）
二、解题思路：滑动窗口（双指针）法
你的代码采用了 滑动窗口（双指针） 这一高效解法，核心思想是：用一个 "窗口"（左指针 j 、右指针 i 划定的连续子数组）动态调整范围，始终维护窗口内元素和 sum ≥ target，并记录最小窗口长度。
为什么选择滑动窗口？
- 暴力解法（枚举所有子数组）时间复杂度为 O(n²)，对于大规模数组效率过低；
- 滑动窗口通过 "右指针扩张窗口、左指针收缩窗口" 的方式，仅遍历数组一次，时间复杂度优化至 O(n)，空间复杂度为 O(1)（无需额外辅助空间）。
三、代码逐行解析
cpp
int minSubArrayLen(int target, vector<int>& nums) {
int j = 0; // 左指针：窗口起始位置
int result = nums.size(); // 初始化最小长度为数组总长度（最坏情况）
int sum = 0; // 窗口内元素的和
int sub = 0; // 当前窗口的长度
int a = 0; // 数组所有元素的总和（用于判断是否无解）
// 右指针i扩张窗口，遍历数组每个元素
for (int i = 0; i < nums.size(); i++) {
sum += nums[i]; // 右指针加入当前元素，扩大窗口和
a += nums[i]; // 累加计算数组总长度
// 当窗口和≥target时，尝试收缩左指针，寻找最小窗口
while (sum >= target) {
sub = i - j + 1; // 计算当前窗口长度（i-j+1：闭区间长度）
result = min(result, sub); // 更新最小窗口长度
sum -= nums[j]; // 左指针移出当前元素，缩小窗口和
j++; // 左指针右移，继续尝试收缩
}
}
// 若数组总和<target，说明无解，返回0
if (a < target) {
return 0;
}
return result; // 返回最小窗口长度
}关键步骤拆解
- 初始化变量：
-
- 左指针 j 从 0 开始，确保窗口从数组起始位置出发；
-
- result 初始化为数组长度，因为最小窗口长度不可能超过数组本身；
-
- sum 记录当前窗口内元素和，a 记录数组总元素和（用于后续判断是否存在解）。
- 右指针扩张窗口：
-
- 循环中 i 作为右指针，依次将数组元素加入窗口（sum += nums[i]），持续扩大窗口范围，直到窗口和 sum ≥ target。
- 左指针收缩窗口（核心逻辑）：
-
- 当 sum ≥ target 时，进入 while 循环：
-
-
- 计算当前窗口长度 sub = i - j + 1（注意闭区间长度公式）；
-
-
-
- 用 min(result, sub) 更新最小窗口长度，确保 result 始终存储当前最小値；
-
-
-
- 移除左指针指向的元素（sum -= nums[j]），并右移左指针 j，收缩窗口，尝试寻找更短的有效窗口。
-
-
- 这里用 while 而非 if，是因为收缩一次后，窗口和可能仍≥target，需要持续收缩（例如数组 [2,2,3]，target=5：初始窗口 [2,2,3] 和为 7，收缩左指针后 [2,3] 和为 5，仍满足条件，需继续更新最小长度）。
- 无解判断：
-
- 循环结束后，若 a < target（数组所有元素和都小于目标值），说明不存在有效子数组，返回 0；否则返回 result。
四、测试用例验证
测试用例 1：存在有效子数组
- 输入：target=7, nums=[2,3,1,2,4,3]
- 过程：
-
- i=0（nums [0]=2）：sum=2 <7，不进入 while；
-
- i=1（nums [1]=3）：sum=5 <7，不进入 while；
-
- i=2（nums [2]=1）：sum=6 <7，不进入 while；
-
- i=3（nums [3]=2）：sum=8 ≥7，进入 while：
-
-
- sub=3-0+1=4，result=4；sum=8-2=6，j=1；
-
-
-
- sum=6 <7，退出 while；
-
-
- i=4（nums [4]=4）：sum=6+4=10 ≥7，进入 while：
-
-
- sub=4-1+1=4，result=min(4,4)=4；sum=10-3=7，j=2；
-
-
-
- sub=4-2+1=3，result=3；sum=7-1=6，j=3；
-
-
-
- sum=6 <7，退出 while；
-
-
- i=5（nums [5]=3）：sum=6+3=9 ≥7，进入 while：
-
-
- sub=5-3+1=3，result=min(3,3)=3；sum=9-2=7，j=4；
-
-
-
- sub=5-4+1=2，result=2；sum=7-4=3，j=5；
-
-
-
- sum=3 <7，退出 while；
-
- 最终 result=2，符合预期。
测试用例 2：无有效子数组
- 输入：target=11, nums=[1,1,1,1,1,1,1,1]
- 过程：循环结束后 a=8 <11，返回 0，符合预期。
五、优化与注意事项
1. 代码优化点
- 变量 a 可省略：循环中若 result 始终未更新（即未找到有效窗口），说明无解。可将 result 初始化为 INT_MAX，循环结束后判断 result == INT_MAX 则返回 0，无需额外维护 a：
cpp
int result = INT_MAX; // 初始化为最大值
// ... 循环逻辑不变 ...
return result == INT_MAX ? 0 : result; // 简化判断-
这样修改后，代码更简洁，减少不必要的变量存储。
-
- 边界条件注意
-
数组长度为 1：若 nums[0] ≥ target，返回 1；否则返回 0；
-
target 等于数组中某个元素：此时最小窗口长度为 1（例如 target=3, nums=[1,3,2]，直接返回 1）；
-
所有元素和恰好等于 target：此时最小窗口长度为数组长度。
-
六、算法总结
-
时间复杂度：O(n)，左指针和右指针均最多遍历数组一次，无嵌套循环；
-
空间复杂度：O(1)，仅使用常数个变量；
-
核心优势：相比暴力解法，滑动窗口避免了重复计算子数组和，大幅提升效率，是解决 "连续子数组和 / 长度" 类问题的经典方法。
-
滑动窗口的核心思路是 "动态调整窗口范围，维护有效状态"，类似的题目还包括 "最长无重复子串""最小覆盖子串" 等，掌握这种思想可以举一反三，高效解决一系列数组区间问题。