动态规划—环形子数组的最大和（leetcode 918）

题目描述

给定一个由整数数组 A 表示的环形数组 C，求 C 的非空子数组的最大可能和。

在此处，环形数组意味着数组的末端将会与开头相连呈环状。（形式上，当0 <= i < A.length 时 C[i] = A[i]，且当 i >= 0 时 C[i+A.length] = C[i]）

此外，子数组最多只能包含固定缓冲区 A 中的每个元素一次。（形式上，对于子数组 C[i], C[i+1], ..., C[j]，不存在 i <= k1, k2 <= j 其中 k1 % A.length = k2 % A.length）

示例 1：

输入：[1,-2,3,-2]
输出：3
解释：从子数组 [3] 得到最大和 3

示例 2：

输入：[5,-3,5]
输出：10
解释：从子数组 [5,5] 得到最大和 5 + 5 = 10

示例 3：

输入：[3,-1,2,-1]
输出：4
解释：从子数组 [2,-1,3] 得到最大和 2 + (-1) + 3 = 4

示例 4：

输入：[3,-2,2,-3]
输出：3
解释：从子数组 [3] 和 [3,-2,2] 都可以得到最大和 3

示例 5：

输入：[-2,-3,-1]
输出：-1
解释：从子数组 [-1] 得到最大和 -1

提示：

    -30000 <= A[i] <= 30000
    1 <= A.length <= 30000

问题分析

Kadane 算法解释

为了理解本文的算法，我们需要熟悉 Kadane 算法。在这个章节，我们解释算法背后的核心逻辑。

对于一个给定数组 A，Kadane 算法可以用来找到 A 的最大子段和。这里，我们只考虑非空子段。

Kadane 算法基于动态规划。令 dp[j] 为以 A[j] 结尾的最大子段和。也就是，

那么，以 j+1 j结尾的子段（例如 A[i], A[i+1] + ... + A[j+1]）最大化了 A[i] + ... + A[j] 的和，当这个子段非空那么就等于 dp[j] 否则就等于 0。所以，有以下递推式：

由于一个子段一定从某个位置截止，所以 就是需要的答案。

循环数组的子段可以被分成 单区间 子段或者 双区间 子段，取决于定长数组 A 需要多少区间去表示。

例如，如果 A = [0, 1, 2, 3, 4, 5, 6] 是给定的循环数组，我们可以表示子段 [2, 3, 4] 为单区间 [2,4]；如果我们希望表示子段 [5, 6, 0, 1]，那就是双区间 [5,6],[0,1]。

1：最大数组和在中间，和平时一样解法

2：最大数组和是跨越头尾，双区间则，从两边出发往中间靠拢必须都是最大，那就说明中间段就是最小，找最小的中间段，用sum(A)-中间的最小

3、比较两种结果，取大的。

代码

class Solution {
public:
    int maxSubarraySumCircular(vector<int>& nums) {

        int dp = nums[0], mx = dp, mi = 0, sum = dp;

        for(int i =1; i < nums.size(); ++i) {
            sum += nums[i];
            dp = nums[i] + max(dp, 0);
            mx = max(mx, dp);
        }

        dp = nums[0];
        for(int i = 1; i < nums.size(); ++i) {
            dp = nums[i] + min(dp, 0);
            mi = min(dp, mi);
        }
        if(sum-mi == 0) { //防止数组全是负数，计算min的时候，sum-mi导致最大值为0，而最大值应该为mx值
            return mx;
        }
        return max(mx,sum-mi);
    }
};

复杂度分析

时间复杂度: O(n)

空间复杂度: O(1)