leetcode 53 简单心得

第一次写博客，部分代码借鉴了大牛的思想，如有侵权，请及时联系我，谢谢。

53: 最大子序和

动态规划

1、三重循环

2、利用前面计算过的值，二层循环

3、利用分治思想：最大和序列，可能出现在前半部分，或者后半部分，或者前半部分的某部分（包含最后一个元素）与后半部分的某部分（包含第一个元素 ）的拼接

4、动态规划思想

当前元素之前的最佳方案 + 当前元素 = 最佳方案

class Solution(object):
    def maxSubArray(self,nums):
        #result = nums[:]
        for i in range(1,len(nums)):
            nums[i] = max(nums[i-1] + nums[i],nums[i])
        return max(nums)

class Solution:
    def maxSubArray(self, nums):
        """
        :type nums: List[int]
        :rtype: int
        """
        # 动态规划算法
        max_sub_sum=nums[0]
        for i in range(1,len(nums)):
            max_sub_sum = max(nums[i-1]+nums[i],nums[i])
            nums[i]=max_sub_sum
        return max(nums)

5、利用规律

转载：https://www.cnblogs.com/liuyicai/p/10182262.html

下面是一个时间复杂度更小(O(N))的算法:

该算法更为简便之处是忽略了对子序列的寻找比较,而是根据规律直接找出最佳答案.

对于含有正数的序列而言,最大子序列肯定是正数,所以头尾肯定都是正数.我们可以从第一个正数开始算起,每往后加一个数便更新一次和的最大值;当当前和成为负数时,则表明此前序列无法为后面提供最大子序列和,因此必须重新确定序列首项.

class Solution {

public int maxSubArray(int[] nums)

{ int res = nums[0];

int sum = 0;

for (int num : nums)

{ if (sum > 0) sum += num;

else sum = num;

res = Math.max(res, sum);

}

return res; }

}