0.5计划 part1 leetcode53 maxSubArray 180404

——目标：求和最大的连续子序列

    暴力做法是分两层遍历数组，求以i为开头的子序列和最大。复杂度为n2.

——思路1 ：动态规划

        将大问题分解为：求从头开始到第i个元素间构成的数组的子序列数组和最大。其实这个说法不太准确，或者说跟我之前想的dp并不一样。实际思路实际可以简化为两个缓存curSum和maxSum，curSum保存暂时子列和，maxSum保存已知最大子列和。遍历到i时，判断curSum[i-1]是否小于0，如果小于0则curSum[i]=n[i]（子序列和重新开始统计），否则curSum[i]=n[i]+curSum[i]（子序列和加上本次i项），同时判断maxSum和curSum[i]的关系以决定是否更新maxSum。

        之所以说跟我之前想的不一样，是因为我之前一直以为dp一般都需要空间换时间的一个同规模空间。但是实际并没有，大概是我陷入思维定式了。

class Solution:
    def maxSubArray(self, nums):
        """
        :type nums: List[int]
        :rtype: int
        """
        thissum = {}
        maxs = -100000000000
        for k,v in enumerate(nums):
            if k==0:
                thissum[k]=v
            else:
                thissum[k] = max(thissum[k-1]+v,v)
        for _,v in thissum.items():
            maxs = max(maxs,v)
        return maxs

ps：边际testcase我想到的有全是0，全是负数，加和超过max_int（如果类型有限制的话）。具体如何处理要看要求。

——思路2：分治法

    具体是，将大数组中找最大分为三种情况，取中间点：1 最大在中间左边 ；2 最大在中间右边 ；3 最大包括中间。那么递归前两种情况，然后单独计算第三种情况，再返回三者中最大的那个就可以。我其实不太喜欢这个方法，因为需要递归。

——总结

    计划是0.5小时，总用时40min，还是看的别人的思路才做完。

    反思了下自己之前的思路，是自己想的太复杂，或者像之前说的陷入思维定式了，以为一定要有个缓存数组，而且这个数组一定要保存到这个点为止的最大子列和，实际完全没有必要。

    好吧，我还是想说，这种方法不是dp。