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.
Code1:(超时)
class Solution {
public:
int maxSubArray(vector<int>& nums) {
int sum = 0, large = nums[0];
for (int i = 0; i < nums.size(); i++) {
sum = 0;
for (int j = i; j < nums.size(); j++) {
sum += nums[j];
if (sum > large) {
large = sum;
}
}
}
return large;
}
};
一开始想着随便写个思路比较简单的算法,然后发现这个做法是超时了= =。这个复杂度是O(n²),所以超时也是很正常的,一旦n无限大,肯定是超时的。然后就换了个做法。
Code2:
class Solution {
public:
int maxSubArray(vector<int>& nums) {
int largest = nums[0];
int sum = 0;
for (int i = 0; i < nums.size(); i++) {
sum += nums[i];
if (sum > largest) {
largest = sum;
}
//负数+下一项永远小于下一项,所以sum置0,重新开始比较。
if (sum < 0) {
sum = 0;
}
}
return largest;
}
};
这个做法是参考了别人写的,觉得很厉害,也很高效。主要思想是只要和小于0的时候,sum就置0,因为负数加下一项,永远是下一项更大的,所以可以置0重新开始计算,也不会影响到开始得到的largest的结果。这个算法的复杂度是O(n)。
如果用动态规划的话,更好理解,设f[i]表示在前i个子序列的最大值为f[i],那么有f[i] = max{f[i-1] + nums[i], f[i-1]},代码如下。
Code(LeetCode运行9ms):
int maxSubArray(vector<int>& nums) {
int f = 0;
int result = INT_MIN;
for (int i = 0; i < nums.size(); i++) {
f = max(nums[i], f + nums[i]);
result = max(f, result);
}
return result;
}