LeetCode0053. 最大子序和

这篇博客介绍了如何使用动态规划方法解决寻找整数数组中具有最大和的连续子数组的问题。两种不同的解题思路被提出:方法一是通过创建一个额外的数组记录子数组的连续和;方法二是仅用两个变量实现,存储当前子数组的和以及全局最大和。两种方法的时间复杂度均为O(n),空间复杂度分别为O(n)和O(1)。
摘要由CSDN通过智能技术生成
一. 题目
  1. 题目
    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。

  2. 示例
    在这里插入图片描述

二. 方法一
  1. 解题思路

    1. 如果之前的最大子序列小于0, 则当前最大子序列就是当前元素
    2. 如果之前的最大子序列大于0, 则当前最大子序列等于之前最大子序列 + 当前元素
  2. 解题代码

    def maxSubArray(self, nums: List[int]) -> int:
        max_size = nums[0]
        arr = [0 for _ in range(len(nums))]
        for i in range(len(nums)):
        	# 如果之前的最大子序列小于0, 则当前最大子序列就是当前元素
        	# 如果之前的最大子序列大于0, 则当前最大子序列等于之前最大子序列 + 当前元素
            arr[i] = max(arr[i - 1] + nums[i], nums[i])
            max_size = max(max_size, arr[i])
        return max_size
    
  3. 分析
    时间复杂度: O(n)
    空间复杂度: O(n)

三. 方法二
  1. 解题思路
    思路和方法一一样, 只是用变量存储之前的结果

  2. 解题代码

    def maxSubArray(self, nums: List[int]) -> int:
        max_size = nums[0]
         temp = 0
         for i in range(len(nums)):
             temp = max(temp + nums[i], nums[i])
             max_size = max(max_size, temp)
         return max_size
    
  3. 分析
    时间复杂度: O(n)
    空间复杂度: O(1)

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
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