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.

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;
    }