【剑指offer】JZ42 连续子数组的最大和

1 问题

输入一个长度为n的整型数组array，数组中的一个或连续多个整数组成一个子数组，子数组最小长度为1。求所有子数组的和的最大值。
数据范围:
1<=n<=2×10
−100<=a[i]<=100

要求:时间复杂度为 O(n)，空间复杂度为
进阶:时间复杂度为 O(n)，空间复杂度为

示例1
输入：[1,-2,3,10,-4,7,2,-5]
返回值：18
说明：经分析可知，输入数组的子数组[3,10,-4,7,2]可以求得最大和为18

示例2
输入：[2]
返回值：2

示例3
输入：[-10]
返回值：-10

2 答案

自己写的，逻辑应该没问题，但内存超出限制

class Solution:
    def FindGreatestSumOfSubArray(self , array: List[int]) -> int:
        dp = [[float('-inf')]*len(array) for _ in range(len(array))]
        for i in range(len(array)):
            dp[i][i] = array[i]
        for i in range(len(array)):
            for j in range(i+1, len(array)):
                dp[i][j] = dp[i][j-1] + array[j]
        return max(max(dp[k]) for k in range(len(array)))

官方解

1. 动态规划

因为数组中有正有负有0，因此每次遇到一个数，要不要将其加入我们所求的连续子数组里面，是个问题，有可能加入了会更大，有可能加入了会更小，而且我们要求连续的最大值，因此这类有状态转移的问题可以考虑动态规划。

• step 1：可以用dp数组表示以下标i为终点的最大连续子数组和。
• step 2：遍历数组，每次遇到一个新的数组元素，连续的子数组要么加上变得更大，要么这个元素本身就更大，要么会更小，更小我们就舍弃，因此状态转移为$dp[i]=\max (dp[i-1]+\mathrm{array}[i],\mathrm{array}[i])$
• step 3：因为连续数组可能会断掉，每一段只能得到该段最大值，因此我们需要维护一个最大值。

class Solution:
    def FindGreatestSumOfSubArray(self , array: List[int]) -> int:
        dp = [0 for i in range(len(array))] 
        dp[0] = array[0]
        maxsum = dp[0]
        for i in range(1, len(array)):
            dp[i] = max(dp[i-1]+array[i], array[i])
            maxsum = max(maxsum, dp[i])
        return maxsum

2. 动态规划，空间优化

我们注意到方法一的动态规划在状态转移的时候只用到了i−1的信息，没有使用整个辅助数组的信息，因此可以将数组优化掉。

• step 1：我们可以使用两个变量迭代来代替数组。
• step 2：状态转移的时候更新变量y，该轮循环结束的再更新x为y即可做到每次迭代都是上一轮的dp。
• step 3：遍历数组，每次只要比较取最大值即可。

class Solution:
    def FindGreatestSumOfSubArray(self , array: List[int]) -> int:
        x = array[0]
        y = 0  # 刚开始y（dp[1]）还没有值
        maxsum = array[0]
        for i in range(1, len(array)):
            # y, x = max(x+array[i], array[i]), y  # 合起来写不行，不知道为啥
            y = max(x+array[i], array[i])
            x = y
            maxsum = max(maxsum, y)
        return maxsum

https://www.nowcoder.com/share/jump/9318638301699196326030