【LeetCode 30天挑战活动】Day3. Maximum Subarray

很经典的一道题啦（结果我第一遍做还没过×

题目

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。

解题方法

这题的方法有很多，这里只写一个最好理解也是时间复杂度最低的方法

动态规划

动态规划的问题我一直不是很熟练，正好趁这题感受一下做这一类题的思路（以下内容有参考力扣题解）

第一步：定义状态
dp[i]：表示以 nums[i] 结尾的连续子数组的最大和。

第二步：思考状态转移方程
在dp[i]中，nums[i]一定会被选取，而dp[i]与dp[i-1]可能就相差这一个nums[i]。
很容易理解，如果dp[i - 1]是正数，那么给nums[i]带来的影响一定是正面的，反之则是负面的。
那么可以得出状态转移方程：dp[i] = Math.max(nums[i], dp[i - 1] + nums[i])

第三步：确定初始值
显然，dp[0] = nums[0]

第四步：确定输出
输出应该是dp数组中的最大值

分析到这里，代码已经可以写出来了，如下：

class Solution {
    public int maxSubArray(int[] nums) {
        
        if (nums == null || nums.length == 0)
            return Integer.MIN_VALUE;
        
        int n = nums.length;
        
        if (n == 1) {
            return nums[0];
        }
        
        int[] dp = new int[n];
        dp[0] = nums[0];
        
        for (int i = 1; i < n; i++) {
            dp[i] = Math.max(nums[i], nums[i] + dp[i - 1]);
        }
        
        int res = dp[0];
        
        for (int i = 1; i < n; i++) {
            if (dp[i] > res) {
                res = dp[i];
            }
        }
        
        return res;
        
    }
}

第五步：思考是否可以状态压缩
在本题中，当前状态显然只与上一状态有关，不需要记录下每次的结果
修改后的代码如下：

class Solution {
    public int maxSubArray(int[] nums) {
        // ...省略前面的代码
        
        int dp = nums[0];
        int res = dp;
        
        for (int i = 1; i < n; i++) {
            dp = Math.max(nums[i], nums[i] + dp);
            res = Math.max(dp, res);
        }
        
        return res;
        
    }
}

这题还有比较经典的一个做法是分治法，但个人觉得分治法并不如动态规划简单易懂，时间复杂度也有O(NlogN)，因此就不在这里详细去探讨了