problem
Find the contiguous subarray within an array (containing at least one
number) which has the largest sum.For example, given the array [-2,1,-3,4,-1,2,1,-5,4], the contiguous
subarray [4,-1,2,1] has the largest sum = 6.
分析
原文
很明显这是一个优化问题,而对于优化问题通常都可以使用动态规划求解。使用动态规划的第一个步骤是确定子问题的形式(或子问题的状态)。
起初我认为子问题的形式应该是maxSubarray(arr, i, j)
表示对arr[i, j+1]
的最大子数组的值,然后通过动态规划找出maxSubarray(arr, 0, len(arr)-1)
,然而如果把子问题定义为这样的话,很难找出子问题和原问题之间的关联,也就是说,这样很难将原问题分解为子问题,然后利用自问题的解来解决原问题。
所以,我把子问题定义为maxSubarray(arr, i)
,表示必须包含(这个是子问题划分的关键,它使得子问题之间可以递推,后面的可以利用之前的结果)arr[i]
的arr[0, i+1]
的子数组的最大值,现在就可以找到转台转移方程了:
dp[i] = A[i] + (dp[i - 1] > 0 ? dp[i - 1] : 0);
下面是完整的python代码:
class Solution(object):
def maxSubArray(self, nums):
"""
:type nums: List[int]
:rtype: int
"""
tmp = [nums[0]]
for i in nums[1:]:
if tmp[-1] < 0:
tmp.append(i)
else:
tmp.append(i+tmp[-1])
return max(tmp)
总结
优化问题通常都可以使用动态规划求解,动态规划的关键就在于子问题划分是否合理,子问题一定要能够形成递推关系,正如这个问题中的
maxSubarray(arr, i)
,表示必须包含arr[i]
的arr[0, i+1]
的子数组的最大值
这里面的必须包含将前面的结果和后面的问题联系了起来。