题目来自LeetCode,链接:面试题42. 连续子数组的最大和。具体描述为:输入一个整型数组,数组里有正数也有负数。数组中的一个或连续多个整数组成一个子数组。求所有子数组的和的最大值。要求时间复杂度为O(n)
。
示例:
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。
很典型的动态规划问题,定义dp[i]
表示以数组第i
个元素为子数组最后一个元素时的子数组之和,则有dp[i]=max(dp[i-1],nums[i])
,最后的结果就是dp
数组的最大值。时间复杂度为
O
(
N
)
O(N)
O(N),空间复杂度为
O
(
N
)
O(N)
O(N)。
JAVA版代码如下:
class Solution {
public int maxSubArray(int[] nums) {
int N = nums.length;
int[] dp = new int[N];
dp[0] = nums[0];
int result = dp[0];
for (int i = 1; i < N; ++i) {
dp[i] = Math.max(dp[i - 1] + nums[i], nums[i]);
result = Math.max(result, dp[i]);
}
return result;
}
}
提交结果如下:
然后固定套路,还是可以优化空间复杂度到 O ( 1 ) O(1) O(1)。
JAVA版代码如下:
class Solution {
public int maxSubArray(int[] nums) {
int N = nums.length;
int dp = nums[0];
int result = dp;
for (int i = 1; i < N; ++i) {
dp = Math.max(dp + nums[i], nums[i]);
result = Math.max(result, dp);
}
return result;
}
}
提交结果如下:
Python版代码如下:
class Solution:
def maxSubArray(self, nums: List[int]) -> int:
dp = nums[0]
result = dp
for i in range(1, len(nums)):
dp = max(dp + nums[i], nums[i])
result = max(dp, result)
return result
提交结果如下: