题目给出一个整数数组nums,要求在数组中找到具有最大和的连续子数组。这里首先使用暴力求解法,代码如下:
class Solution {
public:
int maxSubArray(vector<int>& nums) {
int maxsum = 0;
if(nums.size() == 1) return nums[0];
for(int i = 0; i < nums.size() ; i++)
{
int sum = 0;
for(int j = i; j < nums.size();j++)
{
sum += nums[j];
if(sum > maxsum)
{
maxsum = sum;
}
}
}
return maxsum;
}
};
这段代码在遇到数组[-2,-1]时,会返回0。这是以为对maxsum的初始值设定为0,当实际maxsum比0还小的时候,就会返回0。为了修改这个bug,将maxsum的初始值重新设定为 INT_MIN,即在int形下最小整数,就可以解决这个问题,代码如下:
class Solution {
public:
int maxSubArray(vector<int>& nums) {
int maxsum = INT_MIN;
if(nums.size() == 1) return nums[0];
for(int i = 0; i < nums.size() ; i++)
{
int sum = 0;
for(int j = i; j < nums.size();j++)
{
sum += nums[j];
if(sum > maxsum)
{
maxsum = sum;
}
}
}
return maxsum;
}
};
但是,因为采用的是暴力解法,需要将所有结果遍历一遍,因此运行速度非常的慢。
接下来考虑使用动态规划算法:
class Solution {
public:
int maxSubArray(vector<int>& nums) {
vector<int> dp(nums.size()); //建立第二个数组
dp[0] = nums[0]; //第二个数组第一个值与nums相同
int result = dp[0];
for(int i = 1 ; i < nums.size() ; i++) //循环数组大小的次数
{
dp[i] = max(dp[i-1] + nums[i],nums[i]); //在dp数组中,记录数组中可能出现的最大的和
result = max(result,dp[i]);
}
return result;
}
};
动态规划算法在时间上比暴力法快得多,但是因为它使用了第二个数组,因此内存消耗上较高。