题目描述
解法:动态规划
就像是喝汤的时候我们喜欢用勺子一样,这道题它从头到脚都透露着快用DP(动态规划)来解决我的气息。
为什么这么说呢?
题目:最大子数组
题干:请你找出一个具有最大和的连续子数组
当然,最关键的是子问题啊!
这是一个信号!
知道用动态规划没有用,我们需要剥离出子问题!
这道题的最终目的是得到一个连续的子数组,并且它的和是最大的。
从动态规划的思想来看,我们需要做的就是假设一个数组,然后不断地将其扩大规模到不满足扩大地条件,即,先假设一个数组,只要它扩大的过程中,它的和能增加,那么我们就认为这个问题从很小的规模往最终目标靠近了一步。
那么如何设计这个最小的子问题呢?
经过数组中某一个元素的子数组和最大?
不不不,只要稍微用脑子想一下就会意识到,这个问题很难求解,因为,它太大了,以至于我们需要同时往前和往后找,看如何得到经过它的数组和最大。
但是从上面的思路中我们知道了一件事,那就是,不要让扩大这个过程同时向左和右进行。
所以,我们可以假设子问题为:从某一个元素开始的子数组的和最大或者以某一个元素结束的子数组的和最大
对于上述俩种假设,其实都可以解决这个问题,毕竟我们的目的是得到一个和的结果。
那么对于动态规划,我们可以简单理解为**“通过分解的子问题得到转移方程,然后利用初值得到最终解”**
接下来我们以上述第二种假设来建立转移方程:
定义:dp[i]是以nums[i]结尾的连续子数组的和
以nums[i]结尾的子数组要想和最大,那么nums[i]肯定是>=0的
首先我们来看一个比较极端的例子:
当数组的所有数都满足nums[i]>0时
dp[i]=dp[i-1]+nums[i]
即以nums[i-1]结尾的数组加上nums[i]后和会变大,所以为了得到最大的和,转移方程就是dp[i]=dp[i-1]+nums[i]
但是很显然,数组中肯定是会有复数的,即dp[i-1]<0是存在的。
那么我们不妨认为
即对于这个转移方程,我们可以这么理解:
如果以nums[i-1]结尾的子数组和是正的,那么加上nums[i]之后,这个和会更大
如果以nums[i-1]结尾的子数组和是负的,那么就另起炉灶,nums[i]就是以nums[i-1]结尾的子数组和最大的
既然是为了得到这个结果,那么我们可以直接
对于初值:
dp[0] :根据定义,只有 1 个数,一定以 nums[0] 结尾,因此 dp[0] = nums[0]
那么代码如下:
int len= nums.length;
// dp[i] 表示:以 nums[i] 结尾的连续子数组的最大和
int[] dp=new int[len];
dp[0]=nums[0];
//最大和
int res=dp[0];
for(int i=1;i<len;i++){
if(dp[i-1]>0){
dp[i]=dp[i-1]+nums[i];
}else{
dp[i]=Math.max(dp[i-1],nums[i]);
}
res=Math.max(res,dp[i]);
}
return res;
完整代码如下:
import java.util.Scanner;
/**
* @author yequan17
* @version 2022.3.15
*/
public class LC53MaximumSubarray {
public static void main(String[] args){
Scanner sc=new Scanner(System.in);
String[] str=sc.nextLine().replace("[","").replace("]","").split(",");
int[] nums=new int[str.length];
for(int i=0;i<nums.length;i++){
nums[i]=Integer.parseInt(str[i]);
}
System.out.print(maxSubArray(nums));
}
public static int maxSubArray(int[] nums) {
int len= nums.length;
// dp[i] 表示:以 nums[i] 结尾的连续子数组的最大和
int[] dp=new int[len];
dp[0]=nums[0];
//最大和
int res=dp[0];
for(int i=1;i<len;i++){
if(dp[i-1]>0){
dp[i]=dp[i-1]+nums[i];
}else{
dp[i]=Math.max(dp[i-1],nums[i]);
}
res=Math.max(res,dp[i]);
}
return res;
}
}