描述:
给你一个正整数组成的数组 nums
,返回 nums
中一个 升序 子数组的最大可能元素和。
子数组是数组中的一个连续数字序列。
已知子数组 [numsl, numsl + 1, ..., numsr - 1, numsr]
,若对所有 i(l <= i < r)
,numsi < numsi + 1
都成立,则称这一子数组为 升序 子数组。注意,大小为 1
的子数组也视作 升序 子数组。
示例 1:
输入:nums = [10,20,30,5,10,50]
输出:65
解释:[5,10,50] 是元素和最大的升序子数组,最大元素和为 65 。
示例 2:
输入:nums = [10,20,30,40,50]
输出:150
解释:[10,20,30,40,50] 是元素和最大的升序子数组,最大元素和为 150 。
示例 3:
输入:nums = [12,17,15,13,10,11,12]
输出:33
解释:[10,11,12] 是元素和最大的升序子数组,最大元素和为 33 。
示例 4:
输入:nums = [100,10,1]
输出:100
提示:
-
1 <= nums.length <= 100
-
1 <= nums[i] <= 100
方法:动态规划
思路与算法
题目给定了一个长度为 n 的正整数数组 nums,现在要求一个升序的子数组最大可能的元素和。那么我们设 dp[i] 表示以 nums[i] 结尾的的最长升序子数组的元素和。那么我们考虑如何求解每一个状态:
- 当 nums[i] > nums[i − 1] 时:
- 当 nums[i] ≤ nums[i − 1] 时:
以上的讨论是建立在 i > 0 的情况,我们还需要考虑动态规划的边界条件,即 i = 0 的情况:此时 nums[0] 前面没有元素,本身可以构成一个长度为 1 的子数组,即 dp[0] = nums[0]。
又因为求解状态的过程只和前一个状态有关, 所以可以用「滚动数组」的方法来进行空间优化。
代码:
class Solution {
public:
int maxAscendingSum(vector<int>& nums) {
int res = 0;
int l = 0;
while (l < nums.size()) {
int cursum = nums[l++];
while (l < nums.size() && nums[l] > nums[l - 1]) {
cursum += nums[l++];
}
res = max(res, cursum);
}
return res;
}
};
执行用时:0 ms, 在所有 C++ 提交中击败了100.00%的用户
内存消耗:8.2 MB, 在所有 C++ 提交中击败了23.63%的用户
复杂度分析
时间复杂度: O(n),其中 n 为数组 nums 的长度。
空间复杂度: O(1),仅使用常量空间。
author:LeetCode-Solution