leetcode 53. Maximum Subarray-最大子数组|动态规划

原题链接：53. Maximum Subarray

【思路1-Java、Python】

本题采用动态规划。本题的关键是求出curSum，curSum 中的最大值 max 就是结果。对于当前值 num，如果 curSum < 0，代表 num 前的一小段值的和小于0，如果再与 num 相加，得到的和还不如0与 num 相加的值来的大，因而 curSum 被更新为 num；当然如果 curSum > 0，那么与 num 相加肯定大于 num，为此 curSum 被更新为 num + curSum。以[−2,1,−3,4,−1,2,1,−5,4]为例进行说明。curSum 的值为[−2,1,−2,4,3,5,6,1,5]，那么很显然，max = 6：

public class Solution {
    public int maxSubArray(int[] nums) {
        int max = Integer.MIN_VALUE, curSum = 0;
        for (int num : nums) {
            if (curSum < 0) curSum = num;
            else curSum += num;
            max = Math.max(max, curSum);
        }
        return max;
    }
}

201 / 201 test cases passed. Runtime: 1 ms  Your runtime beats 69.81% of javasubmissions.

上面 Java 解法比较难看出动态规划，因为它将子序列的最优结果存放在 curSum 中。动态规划当前问题的最优解是根据前一个子问题的最优解得到，关键是要得到从前一个子问题转化为后一个子问题的递推关系，对于本题，递推关系式：

nums[i] = max(nums[i - 1] + nums[i], nums[i])

其中，nums[i] 代表包含数组第 i 个数的最长子序列的和（该子序列暂时不包括第 i 个数之后的数），相当于上面的 curSum：

class Solution(object):
    def maxSubArray(self, nums):
        """
        :type nums: List[int]
        :rtype: int
        """
        for i in xrange(1,len(nums)):
                nums[i] = max(nums[i - 1] + nums[i], nums[i])
        return max(nums)

201 / 201  test cases passed. Runtime: 74 ms  Your runtime beats 11.87% of pythonsubmissions.