1.题目描述
给定一个整数数组 nums ,找到一个具有最大和的连续子数组(子数组最少包含一个元素),返回其最大和。
示例:
输入: [-2,1,-3,4,-1,2,1,-5,4],
输出: 6
解释: 连续子数组 [4,-1,2,1] 的和最大,为 6。
进阶:
如果你已经实现复杂度为 O(n) 的解法,尝试使用更为精妙的分治法求解。
2.解题思路
解法一:DP(动态规划思想)
不断的比较累加值和当前值,有两种情况:1.累加值>当前值,则后续加下去的累加可能会更大;2.累加值<当前值,则还不如放弃前面的累加,直接从当前值开始。与此同时还要用max函数不断比较temp\temp+nums[i]\max_\nums[i]之间的最大值。因为temp是暂时的最大值,而max_记录的是一直以来的最大值。
解法二:分治法(递归算法)
对于一个列表的最大子序和,要么出现在左半子序,要么右半,要么穿过中间。对于左、右半子序也是如此;对于穿过中间子序,可以直接计算,其中temp=0,因为可以只取穿过中间的最小子序。
3.程序代码
解法一:DP(动态规划思想)
class Solution:
def maxSubArray(self, nums: List[int]) -> int:
lens=len(nums)
temp=nums[0]
max_=temp
for i in range(1,lens):
if temp+nums[i]>nums[i]:#若累加值>当前值则后续加下去的累加可能会更大
max_=max(max_,temp,temp+nums[i])
temp=temp+nums[i]
else:#若累加值<当前值,则还不如放弃前面的累加,直接从当前值开始
max_=max(max_,temp,temp+nums[i],nums[i])
temp=nums[i]
return max_
时间:64ms;空间:14.4MB
解法二:分治法(递归算法)
class Solution:
def maxSubArray(self, nums: List[int]) -> int:
lens=len(nums)
if lens==1:
return nums[0]
else:
max_left=self.maxSubArray(nums[0:lens//2])
max_right=self.maxSubArray(nums[lens//2:])
max_l=nums[lens//2-1]
temp_l=0
for i in range(lens//2-1,-1,-1):
temp_l += nums[i]
max_l=max(temp_l,max_l)
max_r=nums[lens//2]
temp_r=0
for i in range(lens//2,lens):
temp_r +=nums[i]
max_r=max(temp_r,max_r)
return max(max_left,max_right,max_l+max_r)
时间:148ms;空间:14.5MB