1 动态规划基础
1.1 概念
1.2 复杂度分析
2 动态规划的应用
2.1 最大和的连续子数组
2.1.1 题目描述
给定一个整数数组nums,找到一个具有最大和的连续子数组(子数组最少包含一个元素)返回其最大和。
输入: [-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。
2.1.2 分析
第 i
个子组合的最大值可以通过第i-1
个子组合的最大值和第 i 个数字获得,如果第i-1
个子组合的最大值没法给第 i 个数字带来正增益,我们就抛弃掉前面的子组合,自己就是最大的了。
子组合是指从序列首元素开始,以某一个数字结尾的子序列。例如[-2,1,3,4]
,其第三个子序列是以3结尾的连续子序列,例如[-2,1,3], [1,3], [3]
具体如下:
- 找出数组元素间的关系式,状态方程如下:
d p [ i ] { d p [ i − 1 ] d p [ i − 1 ] ≥ 0 n u m [ i ] d p [ i − 1 ] < 0 dp\lbrack i\rbrack\left\{\begin{array}{lc}dp\lbrack i-1\rbrack&dp\lbrack i-1\rbrack\geq0\\num\lbrack i\rbrack&dp\lbrack i-1\rbrack<0\end{array}\right. dp[i]{dp[i−1]num[i]dp[i−1]≥0dp[i−1]<0
或者是这个状态方程:
d p [ i ] = max { n u m s [ i ] , d p [ i − 1 ] + n u m s [ i ] } dp[i] = \max \{nums[i],\; dp[i - 1] + nums[i]\} dp[i]=max{nums[i],dp[i−1]+nums[i]}
- 初始条件
dp[0] = nums[0]
2.1.3 代码实例
public int maxSubArray_arr(int[] nums) {
if (nums == null || nums.length == 0) {
return 0;
}
int len = nums.length;
int[] dp = new int[len];
dp[0] = nums[0];
for (int i = 1; i < len; i++) {
if (dp[i - 1] > 0) {
dp[i] = dp[i - 1] + nums[i];
} else {
dp[i] = nums[i];
}
}
int max = dp[0];
for (int i = 0; i < dp.length; i++) {
max = Math.max(max, dp[i]);
}
return max;
}