动态规划,在算法与数据结构中,是最难掌握的知识点之一。没有别的捷径,理解其算法思想后,就是多练,写的多了,就知道怎么写了。
这是leetCode的一道题,来看来动态规划的运用。原题目链接
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。
当然这个题,用暴力求解,一定可以,但时间复杂度就不好看。下面主要说说,怎么用动态规划来求解
首先确定下动态转移方程, f(n)= Max(nuyms[i], f(n-1) + nums[i])
比如示例:[-2,1,-3,4,-1,2,1,-5,4],
f(1) = -2
f(2): f(1) + 1 = -1 取 f(2) = 1,即舍弃第二个元素之前的所有元素。从此元素开始,
换句话说,只要f(n-1)是负数,那f(n)=nums[n]
class Solution {
public int maxSubArray(int[] nums) {
if(null == nums || nums.length == 0){
return 0;
}
int len = nums.length;
int[] db = new int[len];
db[0] = nums[0];
for(int i = 1; i < len; i++){
db[i] = Math.max(nums[i], db[i-1] + nums[i]);
}
int res = db[0];
for(int i = 1; i < len; i++){
if(db[i] > res){
res = db[i];
}
}
return res;
}
}
进一步简化,求f(n),只需要记录f(n-1)的值,我们用一个变量来代替数组
public int maxSubArray(int[] nums) {
if(null == nums || nums.length == 0){
return 0;
}
int len = nums.length;
int res = nums[0]; // 记录最终的结果
int pre = nums[0]; // 记录上一步的值
for(int i = 1; i < nums.length; i++){
pre = Math.max(nums[i], pre + nums[i]);
res = Math.max(res, pre);
}
return res;
}
代码不难理解,动态规划就是要多练,写的多了,就容易了。