Leetcode——Array-53. 最大子序和

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