@[TOC](力扣–53. 最大子序和(简单题)–贪心、动规)
这题刚开始的时候,没有什么头绪,想到的都是很复杂的,也不想写,就直接看了解答,才恍然大悟,有这么多种解法,算法课真的是白上了,一年时间全忘了。。。
【题目描述】
给定一个整数数组 nums ,找到一个具有最大和的连续子数组(子数组最少包含一个元素),返回其最大和。
【示例】
示例 1:
输入:nums = [-2,1,-3,4,-1,2,1,-5,4]
输出:6
解释:连续子数组 [4,-1,2,1] 的和最大,为 6 。
示例 2:
输入:nums = [1]
输出:1
示例 3:
输入:nums = [0]
输出:0
示例 4:
输入:nums = [-1]
输出:-1
示例 5:
输入:nums = [-100000]
输出:-100000
提示:
1
≤
n
u
m
s
.
l
e
n
g
t
h
≤
3
∗
1
0
4
1 \le nums.length \le 3 * 10^4
1≤nums.length≤3∗104
−
1
0
5
≤
n
u
m
s
[
i
]
≤
1
0
5
-10^5 \le nums[i] \le 10^5
−105≤nums[i]≤105
进阶:如果你已经实现复杂度为 O(n) 的解法,尝试使用更为精妙的分治法 求解。
由于这题自己不会写,直接看了解答。
这里附上解答链接:官方解答
【贪心】
首先是贪心法,大致的思想就是判断当前和是否大于0,如果大于0,就加上目前的值,如果小于0,就把它丢弃换成当前值。因为最终是要找到最大的和,而且序列必须是连续的,所以如果当前数之前的和是大于0,那么加上他以后,一定会比当前这个数字大。同样,加上一个小于0的数字,还不如不加。在每次遍历一个数字的时候,判断一下这个和是不是比最大和大就好了。
根据解答提供的思路,自己敲了一份代码:
class Solution {
public:
int maxSubArray(vector<int>& nums) {
if(nums.size()==0){
return 0;
}
if(nums.size()==1){
return nums[0];
}
int ans=nums[0];//最大和
int sum=nums[0];//当前和
for (int i=1;i<nums.size();i++){
if(sum>0){
sum=sum+nums[i];
if(sum>ans){
ans=sum;
}
}
else{
sum=nums[i];
if(sum>ans){
ans=sum;
}
}
}
return ans;
}
};
执行结果:
总的来说,贪心法还是很棒的。
【动态规划】
接下来是动态规划的方法。
递归方程:
f
(
i
)
=
m
a
x
(
f
(
i
−
1
)
+
n
u
m
s
[
i
]
,
n
u
m
s
[
i
]
)
f(i)=max(f(i−1)+nums[i],nums[i])
f(i)=max(f(i−1)+nums[i],nums[i])
有一说一,感觉大致的思想和贪心蛮像的,不过这里用原数组来存储每个和,减少了空间消耗。
class Solution {
public:
int maxSubArray(vector<int>& nums) {
if(nums.size()==0){
return 0;
}
if(nums.size()==1){
return nums[0];
}
for(int i=1;i<nums.size();i++){
if(nums[i-1]>0){
nums[i]+=nums[i-1];
}
}
int ans=nums[0];
for(int i=1;i<nums.size();i++){
if(nums[i]>ans){
ans=nums[i];
}
}
return ans;
}
};
运行结果:
感觉时间和空间都比贪心多一点???