LeetCode | # 53. Maximum Subarray

53. Maximum Subarray

Description

描述：https://leetcode.com/problems/maximum-subarray/description/
题意：找出数组中和最大的子数组。

Solution 1: (Java)

class Solution {
    public int maxSubArray(int[] nums) {
        int max = nums[0];
        int current_max = nums[0];
        for (int i = 1; i < nums.length; i++) {
            current_max = Math.max(nums[i], current_max + nums[i]);
            max = Math.max(max, current_max);
        }
        return max;
    }
}

思路 1

• 思路 1 也可以称作是动态规划法吧，runtime 超过 82.98%，时间复杂度O(n)；
• 遍历一遍数组，当遍历到某个数的时候，有两种情况，要么将其加入原来的组，要么从自己开始一个新的组，看看两者谁的和比较大，然后再将其中较大者与全局最大值比较即可；
• 还有一种方法是分治法，时间复杂度是O(nlogn)，见下面的思路 2。

Solution 2: (Java)

class Solution {
    public int maxSubArray(int[] nums) {
        return divide(nums, 0, nums.length - 1);
    }

    public int divide(int[] nums, int left, int right) {
        if (left == right)
            return nums[left];
        if (left == right - 1)
            return Math.max(nums[left]+nums[right], Math.max(nums[left], nums[right]));

        int mid = (left + right) / 2;
        int lmax = divide(nums, left, mid-1);
        int rmax = divide(nums, mid+1, right);

        int mmax = nums[mid];
        int temp = mmax;
        for (int i = mid-1; i >= left; i--) {
            temp += nums[i];
            if (temp > mmax)
                mmax = temp;
        }

        temp = mmax;
        for (int i = mid+1; i <= right; i++) {
            temp += nums[i];
            if (temp > mmax)
                mmax = temp;
        }

        return Math.max(mmax, Math.max(lmax, rmax));
    }
}

思路 2

分治法，runtime 和思路 1 一样。取中间位置，子数组要么在中间位置的左边部分，要么在右边部分，还有一种就是跨越中间位置的子数组（中间位置的需要O(n)复杂度的遍历，先向左后向右遍历），比较这三者，取最大值即可，注意递归出口的实现。