Leetcode之动态规划(DP)专题-53. 最大子序和(Maximum Subarray)
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。
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。
定义:dp[i] 表示从起点到index=i的这个段内的最大子序和。
例如:dp[1] = 在[-2,1]这个区间里面的最大子序和,dp[1]=1
写出状态转移方程:dp[i] = max( dp[i-1] , 0) + nums[i];
例如:
[-2,1]里,dp[1]可能是nums[1]自己的值,也可能是nums[0]+nums[1]的值,
因为dp[0] = -2,所以当计算dp[1]的时候,我们首先用dp[0]和0比,发现dp[0]<0,那我们就舍弃dp[0],只要nums[i]的值
写出初始版本:
class Solution { public int maxSubArray(int[] nums) { int ans = 0; int n = nums.length; int[] dp = new int[n]; dp[0] = nums[0]; ans = nums[0]; for (int i = 1; i < n; i++) { dp[i] = Math.max(0,dp[i-1])+nums[i]; ans = Math.max(ans,dp[i]); } return ans; } }
我们可以进一步优化,即把dp[i-1]用一个变量代替。
优化版本:
class Solution { public int maxSubArray(int[] nums) { int ans = Integer.MIN_VALUE; int n = nums.length; int last = 0; for (int i = 0; i < n; i++) { int temp = Math.max(0,last)+nums[i]; ans = Math.max(ans,temp); last = temp; } return ans; } }