LeetCode42连续子数组最大和

连续子数组最大和>>>

动态规划:dp[i]为数组中0-i个数中连续数组子数组最大和，状态转移方程：dp[i]=max(dp[i-1]+nums[i],nums[i])，初始值dp[0]=nums[0]

package BDyNamicProgramming;

/**
 * @Author Zhou  jian
 * @Date 2020 ${month}  2020/4/21 0021  15:53
 */
public class Problem42 {

    //采用前缀和
    //双层循环超出时间限制：时间复杂度为O(N^2)
    public int maxSubArray(int[] nums) {
        if(nums.length==1) return nums[0];
        int[] sum = new int[nums.length+1];
        int maxSum = Integer.MIN_VALUE;
        sum[0]=0;
        //求的前缀和
        for(int i=0;i<nums.length;i++){
            sum[i+1]=sum[i]+nums[i];
        }

        for(int i=0;i<nums.length+1;i++){
            for (int j=0;j<i;j++){
                if(sum[i]-sum[j]>maxSum) maxSum=sum[i]-sum[j];
            }
        }
        return maxSum;
    }


    /**
     *
     * @param nums
     * @return
     * 动态规划：
     *          状态定义：设动态规划列表dp，dp[i]代表以元素nums[i]为结尾的连续数组最大和
     *                  为何定义最大和dp[i]中必须包含元素nums[i]：保证dp[i]递推到dp[i+1]的正确性
     *
     *           转移方程：若dp[i-1]<=0说明dp[i-1]对dp[i]产生负贡献，即dp[i-1]+nums[i]还不如nums[i]本身大
     *
     *                     dp[i-1]>0时:执行dp[i]=dp[i-1]+nums[i]
     *                     dp[i-1]<=0时：执行dp[i]=nums[i]
     *
     *          初始状态：dp[0]= nums[0] 即以nums[0]结尾的连续子数组最大和为nums[0]
     *
     *          返回值：返回dp列表中的最大值，代表全局最大值
     */

    //空间复杂度降低：由于dp[i]只与dp[i-1]和nums[i]有关系，因此
    //可以将原数组nums用作dp列表，即直接在nums上修改即可
    //由于省去dp列表使用额外的空间因此空间复杂度从O(N)到O(10
    public int maxSubArray1(int[] nums){

        int[] dp = new int[nums.length];

        dp[0]=nums[0];
        int max = dp[0];
        for(int i=1;i<nums.length;i++){

            //根据前一个的dp值确定当前位置的dp
            if(dp[i-1]<=0) dp[i]=nums[i];
            else dp[i]=dp[i-1]+nums[i];

            if(dp[i]>max) max=dp[i];
        }
        return max;
    }




    public static void main(String[] args) {

    }






}