LeetCode 53.Maximum Subarray

1.题目

2.题意

求最大子序列，follow up要求采用分治法

3.我的解法

int maxSubArray(int* nums, int numsSize) {
    int ans=nums[0],i,sum=0;
    for (i=0;i<numsSize;i++){
        sum+=nums[i];
        if(ans<sum)ans=sum;
        if(sum<0)sum=0;
    }
    return ans;
}

优于100%

4.优秀解法

Kadane's Algorithm

该算法的思想就是，一个最大的子序列一定是这样的：当进入一个新的值时，判断一下这个值与之前的元素和

的大小关系，如果这个值更大，说明之前的元素和没有意义，应该抛弃不用，直接从这个值开始，这样一个

判断就确定了目前的最大值即，不是当前一个值就是之前元素和加上这个值。

而对于全局的最大值，就要每次来比较当前的最大值，把当前的最大值中真正最大的保留下来，也就是最后的

结果，这实际上是一种动态规划DP

int maxSubArray(int* nums, int numsSize) {
    
    int maxSum = nums[0];
    int sum = maxSum;
    for(int i = 1; i < numsSize; i++){
        
        sum += nums[i];
        if (sum > maxSum) {
            maxSum = sum;
        }
        
        if (sum < nums[i]) {
            sum = nums[i];
        }
        if (maxSum < nums[i]) {
            maxSum = nums[i];
            sum = nums[i];
        }
    }
    
    return maxSum;
}

c++的形式看的更直观

class Solution
{
public:
int maxSubArray(vector<int>& nums) {
    int sum=nums[0],lgsum=nums[0];
    for(int i=1;i<nums.size();i++)
    {
        sum=max(nums[i],sum+nums[i]);
        lgsum=max(lgsum,sum);
    }
    return lgsum;
    
}
};

在本题中分治法的复杂程度更高，为nlogn，高于n，所以在这里只讨论一下分治法的大致思路

一个最大子序列有三种情况，要么在左半边，要么在右半边，要么跨越中线

先考虑在两边的情况，以左半边为例，右半边类似

递归的进行，缩小问题的规模，问题实际上又变成了一个只含左半边元素的，求最大子序列问题，所以左右进行递归即可

问题的最后都会变成求跨越中线的情况，这个情况就需要首先从中心开始，向两边延伸，先左后右，只要保证包含中点即可

最后得到最大的子序列，开始递归返回。分治法DC

class Solution {
public: 
    int maxSubArray(vector<int>& nums) {
        int n = nums.size();
        return maxSub(nums, 0, n - 1);
    }
private:
    int maxSub(vector<int>& nums, int l, int r) {
        if (l > r) return INT_MIN;
        int m = l + ((r - l) >> 1);
        int lm = maxSub(nums, l, m - 1); // left half
        int rm = maxSub(nums, m + 1, r); // right half
        int i, sum, ml = 0, mr = 0;
        // Move leftwards
        for (i = m - 1, sum = 0; i >= l; i--) {
            sum += nums[i];
            ml = max(sum, ml);
        }
        // Move rightwards
        for (i = m + 1, sum = 0; i <= r; i++) {
            sum += nums[i];
            mr = max(sum, mr);
        }
        return max(ml + mr + nums[m], max(lm, rm));
    }
};