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:
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)