【leetcode】数组--简单（53、最大子序和 Maximum Subarray + 分治算法）

53、

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。

进阶:

如果你已经实现复杂度为 O(n) 的解法，尝试使用更为精妙的分治法求解。

想到用dp，动态规划经典题型。用dp数组存在下标i时，能得到的最大序列和。这个序列和有两个可能性，1、nums[i]本身；2、nums[i]+到i-1下标所达到的最大和（dp[i-1])。

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        int dp[nums.size()];
        int ans=nums[0];
        dp[0]=nums[0];
        for(int i=1;i<nums.size();i++){
            if(nums[i]>dp[i-1]+nums[i]) dp[i]=nums[i];
            else dp[i]=dp[i-1]+nums[i];
            if(dp[i]>ans) ans=dp[i];
        }
        return ans;
    }
};

执行用时 :16 ms, 在所有 C++ 提交中击败了18.25% 的用户

内存消耗 :15.4 MB, 在所有 C++ 提交中击败了5.00%的用户

 

思考为什么速度这么慢?

可能因为多用了一个数组，写入花费很多时间。想到可以直接在原数组上改，不需要新建数组。

修改：当前需要判断到i下标为止的构成的最大序列和，nums[i-1]中的数据为到i-1下标能达到的最大序列和，此时只需要判断nums[i-1]是否大于0。思想还是dp思想。

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        int ans=nums[0];
        for(int i=1;i<nums.size();i++){
            if(nums[i-1]>0) nums[i]+=nums[i-1];
            if(nums[i]>ans) ans=nums[i];
        }
        return ans;
    }
};

 执行用时 :8 ms, 在所有 C++ 提交中击败了81.43% 的用户

内存消耗 :15.3 MB, 在所有 C++ 提交中击败了5.00%的用户

 

修改2：尝试分治算法。

递归思想，主函数中另写一个函数sub()用以递归。
分治思想即把大问题分解成小问题。本次以中点为拆分点。
数组左端l，右端r，中点m。针对m点来说，最大子序列存在三种可能。1、在m左边，2、在m右边，3、包含着m。
对于1，2两种情况来说，可以用递归。
注意左边递归，需要考虑，递归至一定程度序列中只有两个元素，此时左右顶点插值为1，m=l+1，而m=(l+l+1)=l，此时不能用m-1作为右顶点。
对于第三种情况，可以用简单的贪心算法。两次遍历。从m-1遍历至l点，对每个元素累加，找最大的sum，右边同理。

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
       int ans=0;
       ans=sub(0,nums.size()-1,nums);
       return ans;
    }

    int sub(int l,int r,vector<int>& nums){
        if(l==r) return nums[l];
        int m,left,right,mid;
        m=(l+r)/2;   // 注意！
        if(m-1>=l)left=sub(l,m-1,nums);
        else left=sub(l,l,nums);
        right=sub(m+1,r,nums);
        mid=cro(m,l,r,nums);
        left=max(left,right);
        return max(left,mid);
    }

    int cro(int m,int l,int r,vector<int>& nums){
        int sum=0,maxl=0,maxr=0;
        for(int i=m-1;i>=l;i--){
            sum+=nums[i];
            maxl=max(maxl,sum);
        }
        sum=0;
        for(int i=m+1;i<=r;i++){
            sum+=nums[i];
            maxr=max(maxr,sum);
        }
        return maxl+nums[m]+maxr;
    }
};

执行用时 :20 ms, 在所有 C++ 提交中击败了12.54% 的用户

内存消耗 :15.5 MB, 在所有 C++ 提交中击败了5.14%的用户

 

---

 分治算法

这个博文讲的很详细，还有例题。

https://blog.csdn.net/qq_39382769/article/details/80788293

分治算法可用于，二分算法，若干个数的全排列，整数划分，归并排序。