leetcode——刷题记录

leetcode-53-最大字序和

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 1：

输入：nums = [-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 。
示例 2：

输入：nums = [1] 输出：1 示例 3：

输入：nums = [0] 输出：0 示例 4：

输入：nums = [-1] 输出：-1 示例 5：

输入：nums = [-100000] 输出：-100000

Tips:子序列可不连续，子串，子区间、子数组必须连续
解法一如下：暴力解法：但是会出现：超出时间限制的问题

```python
def maxSubarray_baoli(nums):
    if nums == None or len(nums) == 0:
        return None
    maxs = min(nums)
    for i in range(len(nums)):
        sums = 0
        for j in range(i, len(nums)):
            sums += nums[j]
            maxs = max(maxs, sums)
    return maxs

解法二：分治算法
将序列分割为2个子序列：
[begin, end) = [begin, mid) + [mid, end), mid = (begin + end ) >> 1
最大连续子序列的和有三种情况：
1、最大子序列和在[begin, mid)中，同时也是[begin，mid)的最大连续子序列和
2、最大子序列和在[mid, end)中，同时也是[mid, end)的最大连续子序列和
3、最大子序列和一部分在[begin, mid)中，另一部分在[mid, end)中

def maxSubarray_fenzhi(nums):
    n = len(nums)
    if n == 1:
        return nums[0]
    mid = n >> 1
    left_max = nums[mid - 1]
    left_sum = 0
    for i in range(mid - 1, -1, -1):
        left_sum += nums[i]
        left_max = max(left_max, left_sum)
    right_max = nums[mid]
    right_sum = 0
    for i in range(mid, n):
        right_sum += nums[i]
        right_max = max(right_max, right_sum)
    max1 = left_max + right_max
    max_left = maxSubarray_fenzhi(nums[:mid])
    max_right = maxSubarray_fenzhi(nums[mid:])
    return max(max1, max_left, max_right)

学完动态规划，来重新写一下这道题的动态规划方法的解法
动态规划：
1、定义状态：dp[i] 代表以nums[i]为结尾的最大子序列和
其中：nums = [-2,1,-3,4,-1,2,1,-5,4]
dp[0]代表以nums[0]为结尾的最大子序列和为 dp[0] = -2
dp[1]代表以nums[1]为结尾的最大子序列和为 dp[1] = 1
dp[2]代表以nums[2]为结尾的最大子序列和为 dp[2] = dp[1] + (-3) = -2
dp[3]代表以nums[3]为结尾的最大子序列和为 dp[3] = 4
dp[4]代表以nums[3]为结尾的最大子序列和为 dp[4] = dp[3] + (-1) = 3
综上（动态转移方程）：当dp[i - 1] > 0: dp[i] = dp[i - 1] + nums[i]
当dp[i - 1] < 0:dp[i] = nums[i]
…

def maxSubarray_dp_3(nums):
    if nums == None or len(nums) == 0:
         return 0
    dp = [0] * len(nums)
    dp[0] = nums[0]
    max1 = dp[0]
    for i in range(1, len(nums), 1):
        if dp[i - 1] <= 0:
            dp[i] = nums[i]
        else:
            dp[i] = dp[i - 1] + nums[i]
        max1 = max(max1, dp[i])
    return max1

由于动态规划的无后效性，还可对代码部分进一步优化

def max_(nums):
    if len(nums) == 0 or nums == None:
        return 0
    dp = nums[0]
    max1 = dp
    for i in range(1, len(nums), 1):
        if dp < 0 :
            dp = nums[i]
        else:
            dp = dp + nums[i]
        max1 = max(dp, max1)
    return max1