算法-动态规划-最大子序和

算法-动态规划-最大子序和

1 题目概述

1.1 题目出处

https://leetcode-cn.com/problems/maximum-subarray/

1.2 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。

示例:

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。
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。

2 暴力枚举滑动窗口法

2.1 思路

窗口大小从1到nums.length，每次都已单位1往右滑动。

2.2 代码

class Solution {
    public int maxSubArray(int[] nums) {
        int max = nums[0];
        int windowSize = 1;
        while(windowSize <= nums.length){
            for(int cur = 0; cur <= (nums.length - windowSize); cur++){
                int tmp = 0;
                for(int i = cur; i < cur + windowSize; i++){
                    tmp += nums[i];
                }
                max = Math.max(max, tmp);
            }
            windowSize++;
        }
        return max;
    }
}

2.3 时间复杂度

时间复杂度太高，直接崩了

2.4 空间复杂度

O(1)

3 动态规划

3.1 思路

考虑动态规划，dp[i]表示选择当前节点最大和，是取的只选择当前节点和当前节点以及前一个节点最大和中的大者。

遍历过程中维护一个max，初值为nums[0]，遍历过程持续比较，最终返回max即可。

3.2 代码

class Solution {
    public int maxSubArray(int[] nums) {
        int max = 0;
        if(nums == null || nums.length == 0){
            return max;
        }
        if(nums.length == 1){
            return nums[0];
        }

        int[] dp = new int[nums.length];
        dp[0] = nums[0];
        max = dp[0];
        for(int i = 1; i < nums.length; i++){
            dp[i] = Math.max(dp[i-1] + nums[i], nums[i]);
            if(dp[i] > max){
                max = dp[i];
            }
        }
        return max;
    }
}

3.3 时间复杂度

O(N)

3.4 空间复杂度

O(N)

4 分治法

参考解法解读