🐕 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 1:
输入:nums = [-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 。
示例 2:
输入:nums = [1]
输出:1
示例 3:
输入:nums = [0]
输出:0
示例 4:
输入:nums = [-1]
输出:-1
示例 5:
输入:nums = [-100000]
输出:-100000
提示:
1 <= nums.length <= 10的5次方
-10的4次方 <= nums[i] <= 10的4次方
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。
🐖思路一:
遍历数组 用一个变量累加判断值,另一个变量记录过往的序和最大值
上代码
public static int maxSubArray(int[] nums) {
if(nums == null) {
return 0;
}
if(nums.length == 1) {
return nums[0];
}
// 假设 res为数组的第一位
int res = nums[0];
// 子序和 一开始为 0
int tempSum = 0;
// 遍历数组 当子序和总是大于0 时 一直 累加 否则子序和重新计算 每比较一次求res的最大值
for(int x : nums) {
if(tempSum > 0) {
tempSum += x;
}else {
tempSum = x;
}
res = Math.max(res, tempSum);
}
return res;
}
🐏 思路二:
动态规划
判断dp[i-1]是大于0 还是小于0。
如果dp[i-1]大于0,就继续累加,dp[i]=dp[i-1]+num[i]。
如果dp[i-1]小于0,我们直接把前面的舍弃,也就是说重新开始计算,直接让dp[i]=num[i]
上代码
public static int maxSubArray_DP(int[] nums) {
if(nums == null) {
return 0;
}
if(nums.length == 1) {
return nums[0];
}
int[] dp = new int[nums.length];
// 定义dp[i]表示数组中前 i+1 个元素 构成的连续子数组的最大和
dp[0] = nums[0];
int max = nums[0]; // 这里max 不能取值0 因为如果数组都是负数的话 0就会比他们任何数都大 最终返回0
/*
判断dp[i-1]是大于0 还是小于0。
如果dp[i-1]大于0,就继续累加,dp[i]=dp[i-1]+num[i]。
如果dp[i-1]小于0,我们直接把前面的舍弃,也就是说重新开始计算,直接让dp[i]=num[i]
*/
for(int i = 1; i<nums.length ; i++) {
dp[i] = Math.max(dp[i-1] , 0)+ nums[i];
max = Math.max(dp[i], max);
}
return max;
}
🐇 思路三:
动态规划 优化版本
因为当前的值总是依赖前一个值 所以我们其实不需要构建一个数组来存储 只需要用一个临时变量即可 保存前一个位置的结果
上代码
public static int maxSubArray_DP_Plus(int[] nums) {
if(nums == null) {
return 0;
}
if(nums.length == 1) {
return nums[0];
}
// 用一个临时变量来保存上一个结果
int curNum = nums[0];
int max = nums[0];
for(int i = 1; i < nums.length ; i++) {
curNum = Math.max(curNum, 0) + nums[i];
max = Math.max(curNum, max);
}
return max;
}