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。
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 = [5,4,-1,7,8]
输出:23
提示:
1 <= nums.length <= 105
-104 <= nums[i] <= 104
进阶:如果你已经实现复杂度为 O(n) 的解法,尝试使用更为精妙的 分治法 求解。
本题动态规划思路:
1、确定dp数组及下标的意义 Dp[i];包括下标i(以nums[i]为结尾)的最大连续子序列和为dp[i]。这句话很重要,注意这里是包括num[i]为结尾的
2、确定递推公式(状态转移方程) 对于dp[i],它可以由两部分组成:以i-1为结尾的最大子数组和dp[i-1],以及nums[i]本身。因此,有以下两种情况: 如果dp[i-1]是正数,那么dp[i]就可以包含dp[i-1]的结果,即dp[i] = dp[i-1] + nums[i]。 如果dp[i-1]是负数或者0,那么dp[i]就应该只包含nums[i]本身,因为加上dp[i-1]的结果反而会使得dp[i]更小,即dp[i] = nums[i]。 因此dp[i] = max(dp[i-1] + nums[i] , nums[i]);
3、dp数组如何初始化 在遍历过程中,我们可以根据前面的结果来推导当前位置的结果。因此,dp[0]的值就应该等于nums[0],因为以nums[0]为结尾的最大子数组就是nums[0]本身。
4、确定遍历顺序 在状态转移方程中,我们需要用到dp[i-1],因此需要从i=1开始从前往后遍历数组。
C++
class Solution {
public:
int maxSubArray(vector<int>& nums) {
if(nums.size() == 0) return 0;
vector<int> dp(nums.size()); // 定义dp数组,dp[i]表示以i为结尾的最大子数组和
dp[0] = nums[0]; // 初始化dp数组的第一个元素为nums[0]
int result = nums[0]; // 记录dp数组中的最大值
for(int i = 1 ; i < nums.size() ; i++){
dp[i] = max(dp[i-1] + nums[i] , nums[i]); // 根据状态转移方程,计算dp[i]
if(dp[i] > result) result = dp[i]; // 比较dp[i]和result的大小,更新result
}
return result; // 返回result作为最大子数组和
}
};
java
Java书写,一开始想的思路是这样的:
- 初始子序列是[nums[0]];
- 对于任意一个连续子序列,如果前面i-1个数的和为负,那么就舍弃前i-1个数的和,第i个数作为新序列的起点
- 否则,A就作为序列的中间结点,加进结果
- 遍历数组
但是这样就有一个问题,最简单理解就是,如果最后一个元素刚好是负数,而前面的和是正数,那么这个负数也会被加进去 所以定了个ans来记录最好决策,并且对决策进行取舍
class Solution {
public int maxSubArray(int[] nums) {
int arrSum = nums[0];
int ans = nums[0]; //标签,用来记录最好决策
for (int i = 1; i < nums.length; i++) {
if (arrSum<=0){
arrSum = nums[i];
} else {
arrSum += nums[i];
}
ans = ans > arrSum ? ans:arrSum; //对决策进行取舍
}
return ans;
}
}