LeetCode [中等]最大子数组和-动态规划

最新推荐文章于 2024-10-17 19:06:39 发布

luluvx

最新推荐文章于 2024-10-17 19:06:39 发布

阅读量428

点赞数 13

分类专栏： C#题解文章标签： leetcode 动态规划算法

本文链接：https://blog.csdn.net/Theolulu/article/details/134798308

版权

C#题解专栏收录该内容

81 篇文章 0 订阅

订阅专栏

文章介绍了如何使用动态规划解决LeetCode中的最大子数组和问题，通过状态转移方程dp[i]=max(dp[i-1]+nums[i],nums[i])计算以每个下标结尾的最大和。两种实现方法的时间复杂度和空间复杂度均为O(n)，并给出了空间优化版本.

摘要由CSDN通过智能技术生成

53. 最大子数组和 - 力扣（LeetCode）

贪心算法：若当前指针所指元素之前的和小于0，则丢弃当前元素之前的数列

动态规划：若下一个元素大于0，则将其加到当前元素上

思路：

n 为数组长度，在 [0, n] 区间需要计算以每个中间元素 i 为结尾的最大和的非空子数组，并在这n个子数组中找到具有最大和的非空子数组。

当 i > 0 时，以下标 i 结尾的子数组的最大和可以通过以下标 i - 1 结尾的子数组的最大和计算得到，因此可以使用动态规划计算以每个下标结尾的具有最大和的非空子数组。

动态规划的状态转移方程

dp[i]=max(dp[i−1]+nums[i],nums[i])

等价于 dp[i]=max⁡(dp[i−1],0)+nums[i]

代码

public class Solution {
    public int MaxSubArray(int[] nums) {
        int n = nums.Length;
        int[] dp = new int[n];
        dp[0] = nums[0];
        int maxSum = dp[0];
        for (int i = 1; i < n; i++) {
            dp[i] = Math.Max(dp[i - 1], 0) + nums[i];
            maxSum = Math.Max(maxSum, dp[i]);
        }
        return maxSum;
    }
}

时间复杂度和空间复杂度都是 O(n)。

优化空间O (1)

public class Solution {
    public int MaxSubArray(int[] nums) {
        int n = nums.Length;
        int sum = nums[0];
        int maxSum = sum;
        for (int i = 1; i < n; i++) {
            sum = Math.Max(sum, 0) + nums[i];
            maxSum = Math.Max(maxSum, sum);
        }
        return maxSum;
    }
}