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:
输入: [-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。
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。
我的解法:双层循环暴力法
class Solution {
public:
int maxSubArray(vector<int>& nums) {
int max_sum = INT_MIN;
for(int i = 0; i < nums.size(); i++)
{
int sum = 0;
for(int j = i; j < nums.size(); j++)
{
sum += nums[j];
if(max_sum < sum) max_sum = sum;
}
}
return max_sum;
}
};
动态规划
假设子序列以第i个结尾,对应的最大子序和是dp[i],不难发现,此题的解有如下的递推关系式:
dp[i] = max{ a[i], dp[i-1] + a[i] }
class Solution {
public:
int maxSubArray(vector<int>& nums) {
int sum = nums[0];
int max_sum = sum;
for(int i = 1; i < nums.size(); i++) // 子数组结尾
{
if(sum < 0)
{
sum = nums[i];
}
else
{
sum += nums[i];
}
if(sum > max_sum) max_sum = sum;
}
return max_sum;
}
};
分治算法
分治算法实现的是把规模较大的问题分成规模小的子问题。在本例中,把序列分成三部分:左序列、右序列和过中点序列,分别找出各自的最大,再比较得出最终结果。时间复杂度o(NlogN)
class Solution {
public:
int maxSubArray(vector<int>& nums) {
return helper(nums, 0, nums.size() - 1);
}
int helper(vector<int>& nums, int left, int right)
{
if(left >= right) return nums[left];
int mid = left + (right - left) / 2; // 这里取中间偏左为中点
// 取左右子序列的最大
int max_left = helper(nums, left, mid - 1);
int max_right = helper(nums, mid + 1, right);
//取过中点的最大
int cur_cross = nums[mid];
int max_cross = cur_cross;
for(int i= mid-1; i >= left; i--)
{
cur_cross += nums[i];
max_cross = max(cur_cross, max_cross);
}
cur_cross = max_cross;
for(int i= mid+1; i <= right; i++)
{
cur_cross += nums[i];
max_cross = max(cur_cross, max_cross);
}
return max(max(max_left, max_right), max_cross);
}
};
贪心算法
原理来源Leetcode官方解法:
- 使用单个数组作为输入来查找最大(或最小)元素(或总和)的问题,贪心算法是可以在线性时间解决的方法之一。
- 每一步都选择最佳方案,到最后就是全局最优的方案。
算法:
该算法通用且简单:遍历数组并在每个步骤中更新:
- 当前元素
- 当前元素位置的最大和
- 迄今为止的最大和
代码同动态规划:
class Solution {
public:
int maxSubArray(vector<int>& nums) {
int cur_max = nums[0];
int all_max = cur_max;
for(int i = 1; i < nums.size(); i++)
{
cur_max = max(cur_max + nums[i], nums[i]);
all_max = max(cur_max, all_max);
}
return all_max;
}
};