Leetcode|简单|区间贪心|42/53. 最大子序和（暴力+贪心+动规）

最新推荐文章于 2024-11-12 19:06:04 发布

SL_World

最新推荐文章于 2024-11-12 19:06:04 发布

阅读量270

点赞数

CC 4.0 BY-SA版权

分类专栏： Leetcode贪心专题

本文链接：https://blog.csdn.net/SL_World/article/details/114965077

Leetcode贪心专题专栏收录该内容

16 篇文章

订阅专栏

本文介绍了求解最大子数组和问题的三种方法：暴力法、区间贪心算法及动态规划。暴力法通过双重循环遍历所有可能组合，时间复杂度为O(n²)；区间贪心算法仅需一次遍历并利用贪心策略更新当前和，实现O(n)的时间复杂度；动态规划方法同样达到O(n)的时间复杂度，通过记录前一个状态的最大值来决定当前状态的取舍。

文章目录

在这里插入图片描述

1 暴力法

时间复杂度： $O(n^2)$

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        int maxSum = INT_MIN;
        for (int i = 0; i < nums.size(); i++) {
            int sum = 0;
            int curSum = INT_MIN;
            for (int j = i; j < nums.size(); j++) {
                sum += nums[j];
                curSum = max(curSum, sum);
            }
            maxSum = max(maxSum, curSum);
        }
        return maxSum;
    }
};

在这里插入图片描述

2 区间贪心算法

时间复杂度： $O (n)$

局部最优：当前和为负数时立即停止加和，因为前面的负数和只会拉低后面的和（全负数案例）

全局最优：选取最大“连续和”
在这里插入图片描述

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        int maxSum = INT_MIN;
        int curSum = 0;  // 当前区间中的和
        for (int i = 0; i < nums.size(); i++) {
            curSum += nums[i];
            maxSum = max(maxSum, curSum);
            // 核心：若之前的curSum为负数, 则置0, 因为前面的负数和一定会拉低后面的正和(全负数也满足)
            curSum = max(curSum, 0);  // 修正最大和的起始位置
        }
        return maxSum;
    }
};

在这里插入图片描述

3 动态规划

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        int size = nums.size();
        int preSum = nums[0], curSum = 0;
        int maxSum = nums[0];
        for (int i = 1; i < size; i++) {
            curSum = max(nums[i], nums[i] + preSum);
            preSum = curSum;
            maxSum = max(maxSum, curSum);
        }
        return maxSum;
    }
};