这题的难度不是很大,一开始我是直接使用暴力求解的:第一层循环选择某项作为子串的首项,第二层循环遍历其后的所有项,找出此子串的最大值,最后比较以每一项为首项的子串,找出最终的最大值。但是遇到一个大坑:一开始使用nums.size()来进行遍历,结果一直超时,之后直接用变量存着nums.size()在进行遍历就直接AC了,查过资料才知道vector.size()函数复杂度是O(n),放在for循环中是完全不行的。
class Solution {
public:
int maxSubArray(vector<int>& nums) {
int l = nums.size();
int res = nums[0];
for (int i = 0; i < l; ++i) {
int tmp = nums[i];
int temp = tmp;
for (int j = i + 1; j < l; j++) {
temp += nums[j];
tmp = (temp > tmp) ? temp : tmp;
}
res = (tmp > res) ? tmp : res;
}
return res;
}
};
AC之后,上网找了一下这道题的其他解法,才知道我的做法可以直接精简为复杂度为O(n)的算法:
class Solution {
public:
int maxSubArray(vector<int>& nums) {
int res = -2147483647, sum = 0;
for (int i = 0; i < nums.size(); i++) {
sum += nums[i];
sum = (sum > nums[i]) ? sum : nums[i];
res = (res > sum) ? res : sum;
}
return res;
}
};
继续看网上的解法,发现分治法与动态规划法也能轻松解决此问题,但是本人认为用分治法做这题不算简便,于是采用动态规划解决:
class Solution {
public:
int maxSubArray(vector<int>& nums) {
int res = -2147483647;
vector<int> vec;
vec.push_back(nums[0]);
for (int i = 1; i < nums.size(); i++) {
if (vec[i - 1] < 0)
vec.push_back(nums[i]);
else
vec.push_back(vec[i - 1] + nums[i]);
}
for (int i = 0; i < vec.size(); i++) {
res = (res > vec[i]) ? res : vec[i];
}
return res;
}
};