[剑指offer]面试题第[42]题[Leedcode][JAVA][第53题][最大子序和][动态规划][贪心][分治]

【问题描述】[第53题][最大子序和][中等]

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。

【解答思路】

1. 动态规划

思路1
第 1 步：设计状态
int[] temp = new int[len]; 记录前i个和
第 2 步：状态转移方程
前一个i-1+nums[i] 和 nums[i] 作比较
temp[i] = Math.max(temp[i-1]+nums[i],nums[i]);
第 3 步：考虑初始化
temp[0] = nums[0]; max= nums[0];
第 4 步：考虑输出

时间复杂度：O(N) 空间复杂度：O(N)

public int maxSubArray(int[] nums) {
         if (nums.length == 0)
            return 0;

        int[] dp = new int[nums.length];

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

    }

2. 贪心算法

时间复杂度：O(N) 空间复杂度：O(1)

• sum就是这个“i之前最大子数组的和”
• 如果它大于0，则加上num就是“i+1之前最大子数组的和”
• 如果它小于0，则num本身就是“i+1之前最大子数组的和”

class Solution {
    public int maxSubArray(int[] nums) {
        int ans = nums[0];
        int sum = 0;
        for(int num: nums) {
            if(sum > 0) {
                sum += num;
            } else {
                sum = num;
            }
            ans = Math.max(ans, sum);
        }
        return ans;
    }
}

3. 分治算法(可忽略)

1. 将数组分成左半部分、右半部分和中间包括左右边界的三种区间遍历。
2. 得到三个区间的最大连续子数组和就是原数组的最大连续子数组和。

• 本题使用分治不是很理智，copy 大神的方法。

public class Solution {
    public int maxSubArray(int[] nums) {
        int len = nums.length;
        return maxSubArray(nums, 0, len - 1);
    }

    private int maxSubArray(int[] nums, int left, int right) {
        // 只有一个数则直接返回。
        if (left == right) {
            return nums[left];
        }
        // 找到区间的中间位置。
        int mid = left + (right - left) / 2;
        // 返回中间位置左边、右边以及包含中间位置三种情况的能达到的最大子数组和。
        return Math.max(maxSubArray(nums, left, mid), 
            Math.max(maxSubArray(nums, mid + 1, right), 
            maxCrossingSum(nums, left, mid, right)));
    }

    private int maxCrossingSum(int[] nums, int left, int mid, int right) {
        int sum = 0;
        // 左边加到 mid 位置能达到的最大和。
        int leftSum = Integer.MIN_VALUE;
        // 计算以 mid 结尾的最大的子数组和。
        for (int i = mid; i >= left; i--) {
            sum += nums[i];
            if (sum > leftSum) {
                leftSum = sum;
            }
        }
        sum = 0;
        // 右边以 mid 位置开始加能达到的最大和。
        int rightSum = Integer.MIN_VALUE;
        // 计算以 mid + 1 开始的最大的子数组和。
        for (int i = mid + 1; i <= right; i++) {
            sum += nums[i];
            if (sum > rightSum) {
                rightSum = sum;
            }
        }
        // 返回包含 mid 和 mid + 1 两位置数的最大子数组和。
        return leftSum + rightSum;
    }
}

【总结】

1.Java中 Math.max 优化if-else 结构

2. 动态规划流程

第 1 步：设计状态
第 2 步：状态转移方程
第 3 步：考虑初始化
第 4 步：考虑输出
第 5 步：考虑是否可以状态压缩

3. 数组初始化

• 一维数组

1.在定义时初始化。

	int[] arrays = {1, 2, 3, 4, 5};                    //简化
	int[] arrays = new int[]{1, 2, 3, 4, 5};      //完整格式 推荐

2.先定空间，随后赋值。

- int []age = new int[10];

       //动态初始化

       for (int i = 0; i < age.length; i++) {
           age[i] = i;}

• 二维数组

1.在定义时初始化。

double[][] a = new double[][] {{1,2,3},{4,2,7}};
double[][] b = new double[][] {{3,3},{1,1},{2,2}};

2.先定空间，随后赋值。

double [][] container = new double[3][4];
for(int i = 0; i < 3;i++) {
	for(int j = 0; j < 4;j++) {
		container[i][j] = 4.5;
	}
}

参考链接：https://leetcode-cn.com/problems/maximum-subarray/solution/53ti-zui-da-zi-xu-he-by-iceblood/
参考链接：https://leetcode-cn.com/problems/maximum-subarray/solution/hua-jie-suan-fa-53-zui-da-zi-xu-he-by-guanpengchn/