这是一个经典的动态规划问题,之前一直懵懵懂懂,今日看了不少解释和理解,终于看到了一种让我彻底理解的方法。
首先,问题是,求一个给定数组的一个连续子数组,和最大,给定数组的元素可正可负。
既然是动态规划,就是不放假设已知当前最优解,求接下来的最优解。
有一件很容易理解的事情,就是------- 一个数加上一个正数,会变大,一个数加上一个负数,会变小。
在这里,这个被加上去的数,就是当前已经得到的sum,如果当前的A[0,i-1]的最大sum是负数,那么应当在接下去的计算中被舍弃,而不管怎样,sum应清零然后从当前A[i]开始计算;如果当前A[0,i-1]的最大sum是正数,不管加上了现在的A[i]会变大还是变小,都有可能在今后得到一个更大的值,因为我们不知道A[i+1]到底有多大,所以应当被保留下来,至于最后到底是到i-1 ,还是到i+1更大,我们当前并不知道,用一个max的临时变量来判断即可。我想我已经解释的非常仔细。
下面贴上一段效率非常高的代码,也是在leetcode里C++时间复杂度名列前茅的我提交的代码:
int maxSubArray(int A[], int n) {
int max = INT_MIN;
int sum = 0;
for(int i = 0; i < n; i++)
{
sum = sum + A[i] > A[i] ? sum+A[i] : A[i];
max = sum > max ? sum : max;
}
return max;
}
时间复杂度仅为O(n)远胜于其他所有方法。