题目描述:
思路想法:
我们可以从头开始遍历,仍然是数组模块的思想,把遍历指向的当前元素和已经形成的子数组分成两个模块A,B(注意:B模块初始为空);我们只需要考虑:什么时候舍去B模块的这个大尾巴;在加入A模块时,新的B模块是否大于0;大于0就加入,否则不该加入A。并且B模块在此发生断裂,这时我们需要记住B模块存在过的最大值,然后,继续往后遍历。
最后我们得到了很多个 B 模块的最大值,取它们中间的最大的哪个作为答案。
对于上面的示例:按照这个原则;A=-2;B=[]; A+B = -2 不大于 0 ;舍去,但仍保留-2作为第一个B模块的最大值,继续;下一个B模块:B=[]; A = -3; 不大于0;舍去,但仍保留第二个B模块的最大值,继续;下一个 A=4;B=[];A+B=4 大于0;A=-1;A+B=3 大于0;A=2;A+B = 5 大于0;A=1 ;A+B = 6,A=-5;A+B = 1 大于0 A=4;A+B=5 完;在没有断裂的情况下,我们已经在加入新元素的时候,变更了B模块的最大值。
进阶思路:
是的,还有更变态的解法---分治
将原问题分成左右两个子问题,分别求 left 最大子序列 right 最大子序列 和 中间的最大子序列,最后返回 Max(left , mid, right);
Java 代码:
正常解法:
class Solution {
public int maxSubArray(int[] nums) {
int len=nums.length;
// int[] tempMemary = new int[len]; //为每一个旧组保留最大值
// tempMemary[0]=nums[0]; // 初始值设定,易错点
int[] tempMemary = nums;
int tempSum = 0; //临时组和
int local = 0;
for (int i=0;i<len;i++){
tempSum += nums[i]; // 首个组的首个临时组和
tempMemary[local] = Math.max(tempSum,tempMemary[local]);
if (tempSum<=0){ // 表明旧组断裂
local++;
tempSum = 0;
}
}
int ans = tempMemary[0];
for (int k=1;k<len;k++){
ans = Math.max(ans,tempMemary[k]);
}
return ans;
}
}
分治算法:
class Solution {
public int maxSubArray(int[] nums) {
if (nums.length== 2){
return Math.max(Math.max(nums[0],nums[1]),nums[0]+nums[1]);
}
if (nums.length==1){return nums[0];}
// 以下代码处理nums长度大于2的情况
return maxLeftMidRight(nums,0,nums.length-1);
}
// 递归分治解决问题
private int maxLeftMidRight(int[] nums,int left,int right){
if (left==right){
return nums[left];
}
if (right-left < 2){
return Math.max(Math.max(nums[left],nums[right]),nums[left]+nums[right]);
}
int mid = left+(right-left)/2; // 下中位数
int maxLeft = maxLeftMidRight(nums,left,mid-1);
int maxRight = maxLeftMidRight(nums,mid+1,right);
int maxMid = maxMidHelper(nums,mid,left,right);
return Math.max(Math.max(maxLeft,maxRight),maxMid);
}
// 此函数帮助找到以中间数为基准找到max子序列
private int maxMidHelper(int[] nums,int mid,int left,int right ){
int countSum = nums[mid];
// mid 向右找
int memery_1 = nums[mid];
for (int i=mid+1;i<=right;i++){
countSum += nums[i];
memery_1 = Math.max(countSum,memery_1);
}
int countSum_1=nums[mid];
// 向左找
int memery_2 = nums[mid];
for (int i=mid-1;i>=left;i--){
countSum_1 += nums[i];
memery_2 = Math.max(countSum_1,memery_2);
}
return Math.max(memery_1+memery_2-nums[mid],Math.max(memery_1,memery_2));
}
}
技能核心:
这里我主要是想谈谈分治:
分治是一种解决问题的思路,它和递归相生相伴。
分治说到底是把大问题分割成较小规模的子问题,这就涉及到了如何分割,我们较为常用的分割是: 下中位数等二分(和二分查找的分法一致,但注意二分查找是针对有序的数组,但是分治是不要求数组有序的),其他条件的分割。
分割完成后,另一个需要考虑的问题就是,如何将分割后的问题组合起来,形成原问题的解,这也是分治法的核心。需要具体问题具体分析。