解法1:动态规划问题
申请一个dp数组,dp[i]代表数组第i个位置的最大子数组的和,初始化dp[0] = nums[0],那么dp[1]就等于max(dp[0]+nums[1],nums[1]),由此可以推得状态方程为: dp[i] = max(dp[i-1]+nums[i],nums[i])。再用一个ans去记录dp数组中的最大值即可。
#include<iostream>
#include<vector>
using namespace std;
class Solution {
public:
int maxSubArray(vector<int>& nums) {
int size = nums.size();
int dp[size+10];
dp[0]=nums[0];
int ans=-1;
for(int i=1;i<size;i++){
dp[i] = max(dp[i-1]+nums[i],nums[i]);
ans = dp[i]>ans?dp[i]:ans;
}
return ans;
}
};
时间复杂度:O(n),仅有一次遍历数组
空间复杂度:O(n),dp数组所需花费
解法2:递推
直接使用一个currentS来记录当前子数组的和,而每次都记录当前位置的子数组最大和,递推表达式为 currentS = max(nums[i], currentS + nums[i])。同时维持max,保证他是数组中的最大和
#include<iostream>
#include<vector>
#include<algorithm>
using namespace std;
class Solution {
public:
int maxSubArray(vector<int>& nums) {
int maxS = nums[0]; // 初始化最大子数组和为第一个元素
int currentS = nums[0]; // 当前子数组和
for (int i = 1; i < nums.size(); i++) {
currentS = max(nums[i], currentS + nums[i]); // 选择当前元素或与前一个子数组和相加
maxS = max(maxS, currentS); // 更新最大子数组和
}
return maxS;
}
};
时间复杂度:O(n)
空间复杂度:O(1)
解法三:前缀和
#include<iostream>
#include<vector>
using namespace std;
class Solution {
public:
int maxSubArray(vector<int>& nums) {
int ans = INT_MIN;
int min_pre_sum = 0;
int pre_sum = 0;
for (int x : nums) {
pre_sum += x; // 当前的前缀和
ans = max(ans, pre_sum - min_pre_sum); // 减去前缀和的最小值
min_pre_sum = min(min_pre_sum, pre_sum); // 维护前缀和的最小值
}
return ans;
}
};