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。