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