第五周心得

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:

1. 初始子序列是[nums[0]]；
2. 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
3. 否则，A就作为序列的中间结点，加进结果
4. 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;
    }
}