Python 算法题之子数组的最大和

最新推荐文章于 2022-11-03 14:46:41 发布

XianZhe_

最新推荐文章于 2022-11-03 14:46:41 发布

阅读量1.5k

点赞数 5

分类专栏： Python 算法文章标签：算法 python 动态规划子数组的最大和

本文链接：https://blog.csdn.net/XianZhe_/article/details/115274299

版权

Python 同时被 2 个专栏收录

37 篇文章 20 订阅

订阅专栏

算法

8 篇文章 1 订阅

订阅专栏

Python 算法题之子数组的最大和

文章目录

Python 算法题之子数组的最大和

给出题目🍠

输入一个整型数组，数组中的一个或连续多个整数组成一个子数组，求所有子数组的和的最大值

比如输入 nums = [-2,1,-3,4,-1,2,1,-5,4]，其中的最大子数组是 [4,-1,2,1]，算法应当输出 6

注意：
此问题要求计算子数组的最大和，而子数组一定是连续的，这就是为什么上面的示例最大子数组中有个 -1，而不把除了负数之外的值全部加起来，为获取最大子数组和，那就得经过 -1

此问题与此前提到的最长递增序列比较类似

暴力算法

这道题相对简单，只要掌握如何获取并且保存最大值即可

循环每一个 nums[i:] 的值并求和，保存求和的最大值

def max_sub_array(nums: list) -> int:
    res, length = float("-inf"), len(nums)
    for i in range(length):
        res_i = 0                             # 每次循环结束，把res清0，不继承nums[i:]的最大值
        for k in range(i, length):
            res_i += nums[k]                  # 将nums[i:] 中的值循环求和
            if res < res_i:               	  # 当nums[i:] 循环求和中的结果 大于 已知最大值时，重新给最大值赋值
                res = res_i
    return max_res                            # 此时返回的是最大值

时间复杂度: O(n㏒n) ，其中 for k in range(i, length) 中的 i 会随着第一层循环逐渐减少
空间复杂度: O(1)

动态规划

问题要求的是子数组，而不是子序列，那么就能想出，dp[i] 只有两种选择

要么与前面相邻子数值相连，要么不与前面的子数组相连，自成一派
根据这两种选择，比较容易能想出，状态转移方程为 max(nums[i], nums[i]+dp[i-1])，最简单的情况下 (base case) 即为自身 nums[i]

def max_sub_array(nums: list) -> int:
    length = len(nums)
    dp = [0] * length
    dp[0] = nums[0]					# 第一个元素前面没有子数组，这里手动添加最简单的情况下自身值
    for i in range(1, length):		# 跳过dp[0]，从dp[1] 开始
        dp[i] = max(nums[i], dp[i - 1] + nums[i])
    return max(dp)

当然，也可以直接给 DP Table 一个初始值解决第一个元素前面没有子数组的问题

def max_sub_array(nums: list) -> int:
    length = len(nums)
    dp = [0] * (length+1)           # 为 DP Table 增加一个初始值
    for i in range(1, length):
        dp[i] = max(nums[i-1], dp[i - 1] + nums[i-1])
    return max(dp)

时间复杂度: O(n)
空间复杂度: O(n)

存储前两个状态

仔细观察状态转移方程，可以发现 dp[i] 只是和它的左邻居 dp[i-1] 有关系，这和 斐波那契数列 相似，斐波那契数列 只需要存储前两个状态即可，那么最大子数组和是否也能做到呢？

def maxSubArray(self, nums: List[int]) -> int:
    prev = res = nums[0]            # pres 代表 dp[i-1], res为dp[0]最简单的情况下自身值
    length = len(nums)
    for i in range(1, length):
        curr = max(nums[i], prev+nums[i])
        prev = curr
        res = max(res, curr)        # 保存子数组和最大值

    return res