题目描述:
输入一个整型数组,数组中的一个或连续多个整数组成一个子数组。求所有子数组的和的最大值。
要求时间复杂度为O(n)。
示例1:
输入: nums = [-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。
提示:
-
1 <= arr.length <= 10^5
方法一
(不符合题意):
暴力破解初始版 时间复杂度为![O(n^3)](https://latex.csdn.net/eq?O%28n%5E3%29)
-
首先想到的时间复杂度为
的暴力解法,利用for循环将数组nums的所有子序列和求解出来,然后将最大的子数组和保留下来,返回max即可
-
public int maxSubArray(int[] nums) { int max = Integer.MIN_VALUE; for (int i = 0; i < nums.length; i++) { for (int j = i; j < nums.length; j++) { //子数组更换,sum清零 int sum = 0; for (int k = i; k < j; k++) { //计算nums[i]到nums[j]的和 sum += nums[k]; //如果sum的值比max大,将max的值进行更新 if (sum > max) { max = sum; } } } } return max; }
方法二(不符合题意):暴力破解升级版 时间复杂度为
- 方法一中的第三个循环,可以省略,得到一个时间复杂度为
的解决方案
public int maxSubArray3(int[] nums) {
int max = Integer.MIN_VALUE;
for (int i = 0; i < nums.length; i++) {
//i每一次更新之后,sum清零
int sum = 0;
for (int j = i; j < nums.length; j++) {
//计算从nums[i]到nums[j]的和
sum += nums[j];
//j每更新一次,sum和max都会进行比较一次,取最大值
if (sum > max) {
max = sum;
}
}
}
return max;
}
方法三(较难):分而治之 时间复杂度![O(n)](https://latex.csdn.net/eq?O%28n%29)
解决问题的思想来自浙大数据结构课程中陈越老师的讲解
实现方法借鉴自:力扣官方
分治的思想就是将nums数组一直对半划分,直到每一组数就只有一个数字,分别找出最小一组的数据最大值,然后将这些数据逐渐合并起来,寻找最大值,在这里一定要注意数组必须要连续,一直说有一点抽象,下面:
举个例子:假设数组nums = [4,-3,5,-2,-1,2,6,-2],
第一次进行划分 nums1 = [4,-3,5,2] nums2 = [-1,2,6,-2]
第二次进行划分 nums1 = [4,-3] nums2 = [5,-2] nums3 = [-1,2] nums4 = [6,2]
第三次进行划分 nums1 = [4] nums2 = [-3] nums3 = [5] nums4 = [-2]
nums5 = [-1] nums6 = [2] nums7 = [6] nums8 = [-2]
第一次进行合并 在 4 与 -3 中最大的是 4 在 5 与 -2 中最大的是 5
在 -1 与 2 中最大的是 2 在 6 与 -2 中最大的是 6
第二次进行合并
在 4 3 5 -2 中的最大子数组和为 4+(-3)+ 5 = 6
为什么不是9,因为要连续的子序列
在 -1 2 6 -2 的最大子数组和为 2 + 6 = 8
第三次进行合并,在数组nums中,最大子数组和为 4 + (-3) + 5 + (-2) + (-1) + 2 + 6 = 11
说了这么多怎么实现呢?
以下是力扣官方的解释:
对于官方解析,我讲解一下自己有疑惑的部分:
对于【l,r】的 lSum 的结果等于【左子区间】的lSum,即当【右子区间】全部为负数的情况,而【l,r】的 lSum 的结果等于【左子区间】的 iSum 加上【右子区间】的 lSum 可以参考第二次进行合并 在 4 3 5 -2 中的最大子数组和为 4+(-3)+ 5 = 6
对于【l,r】的 rSum 的结果同理
最后计算【l,r】的mSum的结果,可以参考在第三次合并时,在数组nums中,最大子数组和为 4 + (-3) + 5 + (-2) + (-1) + 2 + 6 = 11
官方代码展示如下:
class Solution {
public class Status {
public int lSum, rSum, mSum, iSum;
public Status(int lSum, int rSum, int mSum, int iSum) {
this.lSum = lSum; //lSum 表示 [l,r] 内以 l 为左端点的最大子段和
this.rSum = rSum; //rSum 表示 [l,r] 内以 r 为右端点的最大子段和
this.mSum = mSum; //mSum 表示 [l,r] 内的最大子段和
this.iSum = iSum; //iSum 表示 [l,r] 的区间和
}
}
public int maxSubArray(int[] nums) {
return getInfo(nums, 0, nums.length - 1).mSum;
}
public Status getInfo(int[] a, int l, int r) {
if (l == r) {
return new Status(a[l], a[l], a[l], a[l]);
}
int m = (l + r) >> 1;
Status lSub = getInfo(a, l, m);
Status rSub = getInfo(a, m + 1, r);
return pushUp(lSub, rSub);
}
public Status pushUp(Status l, Status r) {
int iSum = l.iSum + r.iSum;
int lSum = Math.max(l.lSum, l.iSum + r.lSum);
int rSum = Math.max(r.rSum, r.iSum + l.rSum);
int mSum = Math.max(Math.max(l.mSum, r.mSum), l.rSum + r.lSum);
return new Status(lSum, rSum, mSum, iSum);
}
}
//作者:力扣官方题解
//链接:https://leetcode.cn/problems/lian-xu-zi-shu-zu-de-zui-da-he-lcof/solutions/876881/lian-xu-zi-shu-zu-de-zui-da-he-by-leetco-tiui/
方法四(推荐):动态规划 时间复杂度![O(n)](https://latex.csdn.net/eq?O%28n%29)
直接上代码:这是我刚开始写的一版,把nums.length为1的情况以及如果nums数组中的所有元素全部都是负数的情况单独进行讨论
public int maxSubArray(int[] nums) {
int thisNum = 0;
int maxNum = 0;
int max = Integer.MIN_VALUE;
if (nums.length == 1) {
return nums[0];
}
for (int i = 0; i < nums.length; i++) {
if (nums[i] > max) {
max = nums[i];
}
if (max < 0) {
maxNum = max;
}
}
for (int i = 0; i < nums.length; i++) {
thisNum += nums[i];
if (thisNum > maxNum) {
maxNum = thisNum;
} else if (thisNum < 0) {
thisNum = 0;
}
}
return maxNum;
}
这个是思考后又进行优化的版本
public int maxSubArray(int[] nums) {
int maxSum = nums[0];
int sum = nums[0];
for (int i = 1; i < nums.length; i++) {
sum+=nums[i];//前缀
sum=Math.max(sum,nums[i]);
maxSum=Math.max(sum,maxSum);
}
return maxSum;
}