滑动窗口求解和≥target的最短子数组：代码复杂度与优化问询

复杂度分析 #

你的代码时间复杂度是O(n)，完全达标。滑动窗口算法中，每个元素最多被左右指针各遍历一次，没有嵌套的重复操作，属于该问题的最优时间复杂度。空间复杂度是O(1)，仅使用了几个变量，无额外空间开销。

代码优化（重点针对minLength逻辑） #

原代码逻辑正确，但minLength的处理可以更严谨、直观：

• 初始值替换：别用100000000000这种硬编码大数，改用nums.length + 1更合理——因为最短子数组的长度不可能超过数组本身的长度，这个初始值能明确表示“尚未找到有效子数组”的状态。
• 结果判断逻辑重构：原代码通过left===0判断是否存在有效子数组，虽然能工作，但逻辑不够直接。更准确的方式是：如果最终minLength仍大于数组长度，说明从未找到符合条件的子数组，返回0；否则返回minLength。

优化后的完整代码 #

var minSubArrayLen = function(target, nums) {
    let minLength = nums.length + 1;
    let left = 0;
    let sum = 0;

    for(let i = 0; i < nums.length; i++) {
        sum += nums[i];

        while(sum >= target) {
            minLength = Math.min(minLength, i - left + 1);
            sum -= nums[left];
            left++;
        }
    }

    return minLength > nums.length ? 0 : minLength;
};

let target = 7;
let nums = [2,3,1,2,4,3];

console.log(minSubArrayLen(target, nums)); // 输出2

测试验证 #

针对给定测试用例，优化后的代码会正确输出2，对应数组中最短的符合条件的子数组[4,3]。

内容的提问来源于stack exchange，提问作者Alekam