给你一个整数数组 nums ,请你找出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。
子数组
是数组中的一个连续部分。
这是一个经典的动态规划问题,可以通过遍历数组并利用动态规划的思想来解决。具体步骤如下:
- 初始化两个变量 max_sum 和 current_sum,分别用来记录全局最大和以及当前连续子数组的和,初始值都设为第一个元素 nums[0]。
- 从数组的第二个元素开始遍历,对于每个元素,有两种情况:
将当前元素加入当前连续子数组,即 current_sum += nums[i];
重新开始一个新的连续子数组,即 current_sum = nums[i]。 - 在每次遍历时,更新 max_sum 为当前 max_sum 和 current_sum 的较大值。
- 遍历完成后,max_sum 即为所求的最大和。
下面是对应的 C 代码实现:
#include <stdio.h>
// 返回连续子数组的最大和
int maxSubArray(int* nums, int numsSize) {
int max_sum = nums[0]; // 全局最大和
int current_sum = nums[0]; // 当前连续子数组的和
// 从第二个元素开始遍历数组
for (int i = 1; i < numsSize; i++) {
// 对于当前元素,有两种情况:
// 1. 将当前元素加入当前连续子数组
// 2. 重新开始一个新的连续子数组
current_sum = (current_sum + nums[i] > nums[i]) ? (current_sum + nums[i]) : nums[i];
// 更新全局最大和
if (current_sum > max_sum) {
max_sum = current_sum;
}
}
return max_sum;
}
int main() {
int nums[] = {-2, 1, -3, 4, -1, 2, 1, -5, 4};
int numsSize = sizeof(nums) / sizeof(nums[0]);
int maxSum = maxSubArray(nums, numsSize);
printf("连续子数组的最大和为: %d\n", maxSum);
return 0;
}
时间复杂度分析:
动态规划方法使用一次线性扫描来计算每个位置的最大子数组和,因此时间复杂度为 O(n)。
在扫描的过程中,对于每个位置,只需要比较前一个位置的最大子数组和与当前位置的元素的和,因此时间复杂度是线性的。
空间复杂度分析:
动态规划方法只需要使用常数级别的额外空间来存储一些临时变量,如当前位置的最大子数组和以及全局最大子数组和。
因此,空间复杂度为 O(1)。
综上所述,动态规划方法的时间复杂度为 O(n),空间复杂度为 O(1)。