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