leetcode(53). Maximum Subarray

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。