最大连续子序列和(枚举+分治+在线处理)

原题地址

题目描述: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。

实例:
输入: [-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。

以下都是java实现

1.枚举

枚举是最容易想到的办法,就是列出所有可能的子序列并分别求和,返回最大者。

public static int maxSubseqSum1(int[] nums) {
	int len = nums.length;
	int thisSum = 0;
	int maxSum = 0;
	for (int i = 0; i < len; i++) {
		for (int j = i; j < len; j++) {
			thisSum = 0;
			// 对每个子序列从头到尾累加求和,若大于最大值就更新
			for (int k = i; k <= j; k++)
				thisSum += nums[k];
			if (thisSum > maxSum)
				maxSum = thisSum;
		}
	}
	return maxSum;
}

时间复杂度 O ( n 3 ) Ο(n^3) O(n3)
空间复杂度 O ( 1 ) Ο(1) O(1)

2.枚举优化

枚举优化是针对枚举中的第三层for循环优化,每次在求一个新的子序列和时不是从头到尾累加,而是利用了上次求和的结果。

public static int maxSubseqSum2(int[] nums) {
	int len = nums.length;
	int thisSum = 0;
	int maxSum = 0;
	for (int i = 0; i < len; i++) {
		thisSum = 0;
		for (int j = i; j < len; j++) {
			thisSum += nums[j];
			if (thisSum > maxSum)
				maxSum = thisSum;
		}
	}
	return maxSum;
}

时间复杂度 O ( n 2 ) Ο(n^2) O(n2)
空间复杂度 O ( 1 ) Ο(1) O(1)

3.分治

具体过程参照MOOC陈越老师的视频,视频地址

这里只给出代码

public static int maxSubseqSum3(int[] nums) {
	return getMax(nums, 0, nums.length - 1);
}

private static int getMax(int[] nums, int left, int right) {
	if (left == right)
		return nums[left];
		
	int mid = (left + right) / 2;
	int leftMax = getMax(nums, left, mid);
	int rightMax = getMax(nums, mid + 1, right);
	int crossMax = crossSum(nums, left, right, mid);
	return Math.max(Math.max(leftMax, rightMax), crossMax);
}

private static int crossSum(int[] nums, int left, int right, int mid) {
	if (left == right)
		return nums[left];

	int midToLeftMax = 0;		
	int thisSum = 0;
	// 找到中心到左边界最大子序列和
	for (int i = mid; i > left - 1; i--) {
		thisSum += nums[i];
		midToLeftMax = Math.max(midToLeftMax, thisSum);
	}
	
	int midToRightMax = 0;
	thisSum = 0;
	// 找到中心到右边界最大子序列和
	for (int i = mid + 1; i < right + 1; i++) {
		thisSum += nums[i];
		midToRightMax = Math.max(midToRightMax, thisSum);
	}
	// 两者相加就是跨中心最大子序列和
	return midToLeftMax + midToRightMax;
}

时间复杂度线性对数阶 O ( n l o g 2 n ) Ο(nlog_ 2n) O(nlog2n)
证明从三方面分析,一是被划分的左半边的时间复杂度,二是被划分的右半边的时间复杂度,三是从中间往两边扫描的时间复杂度。具体过程见下图:
在这里插入图片描述
空间复杂度 O ( l o g 2 n ) Ο(log_ 2n) O(log2n)。因为函数递归调用过程中需要压栈。

4.在线处理

public static int maxSubseqSum4(int[] nums) {
	int len = nums.length;
	int thisSum, maxSum;
	thisSum = maxSum = 0;
	for (int i = 0; i < len; i++) {
		thisSum += nums[i];
		// 从前往后扫描,当前子序列和大于已有的最大和就更新
		if (thisSum > maxSum)
			maxSum = thisSum;
		/*
		 * 当前子序列和小于0只会使后面子序列的和减小,所以舍去。 
		 * 当前子序列和既不大于已有最大和也不小于0则保留,因为总有可能使后面的和变得更大。
		 */
		if (thisSum < 0)
			thisSum = 0;
	}
	return maxSum;
}

该算法与上面三种最大的区别是能够在线处理,在线的意思是不必事先确定整个序列,每输入一个数据就能进行即时处理,在任何一个地方终止输入算法都能正确给出当前的解。

时间复杂度 O ( n ) Ο(n) O(n)
空间复杂度 O ( 1 ) Ο(1) O(1)

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值