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。
暴力解法:
- 两层循环,遍历所有组合,设置max存放最大值
- 时间复杂度极高为 O ( N 2 ) \ O(N^2) O(N2),导致提交时超出时间限制
Python
class Solution:
def maxSubArray(self, nums: List[int]) -> int:
f = 0
max = -10**5
while f != len(nums) :
sum = nums[f]
if sum > max: max = sum
for j in range(f+1,len(nums)):
sum = sum + nums[j]
if sum > max: max = sum
f+=1
return max
动态规划法
- 状态定义: 设动态规划列表 d p [ ] dp[] dp[], d p [ i ] dp[i] dp[i]表示以 n u m s [ i ] nums[i] nums[i] 结尾的子数组和的最大值
- 转移方程: 计算每一个 d p [ i ] dp[i] dp[i]时,当 d p [ i − 1 ] < 0 dp[i-1]<0 dp[i−1]<0时, d p [ i ] dp[i] dp[i]直接就取 n u m s [ i ] nums[i] nums[i];当 d p [ i − 1 ] > 0 dp[i-1]>0 dp[i−1]>0时,证明可以加上 d p [ i − 1 ] dp[i-1] dp[i−1],则 d p [ i ] = n u m s [ i ] + d p [ i − 1 ] dp[i]=nums[i]+dp[i-1] dp[i]=nums[i]+dp[i−1]
- 初始状态: d p [ 0 ] = n u m s [ 0 ] dp[0]=nums[0] dp[0]=nums[0]
- 返回值: 返回 d p dp dp列表中的最大值,就是全局最大值
class Solution:
def maxSubArray(self, nums: List[int]) -> int:
for i in range(1,len(nums)):
if nums[i-1] >0: nums[i] = nums[i]+nums[i-1]
return max(nums)