Find the contiguous subarray within an array (containing at least one number) which has the largest sum.
For example, given the array [-2,1,-3,4,-1,2,1,-5,4]
,
the contiguous subarray [4,-1,2,1]
has the largest sum = 6
.
native 方法
一道典型的可以用动态规划来解决的 :为了求整个字符串最大的子序列和,我们将先求较小的字符串的最大子序列和。
在从前向后计算的方法中,我们将第i个元素之前最大的子序列和存入一个一维数组dp中,对第i+1个元素来说,它的值取决于dp[i],如果dp[i]是负数,那就没有必要加上它,因为这只会拖累子序列的最大和。如果是正数就加上它。最后我们再讲第i+1个元素自身加进去,就得到了第i+1个元素之前最大的子序列和。
可使用动态规划来解决。时间复杂度为O(n)。假设已知0, .., k
的最大和sum[k]
以后,则0, ..., k+1
的最大和sum[k+1]分为以下两种情况:
1)若 dp[k]>=0
,则dp[k+1]=dp[k]+A[k+1]
。
2)若dp[k]<0
,另起一个SubArray,令dp[k+1]=A[k+1]
。
在计算过程中,使用一个变量maxsum用于存储sum的最大值,一旦出现更大的sum值则更新之,最后返回该变量即可。
算法的复杂度为o(n)
public class MaximumSubarray {
public static void main(String[] args) {
// TODO Auto-generated method stub
int[] array={-2,1,-3,4,-1,2,1,-5,4};
int i= maxSubArray(array);
System.out.println(i);
}
public static int maxSubArray(int[] nums) {
if (nums.length == 0) {
return 0;
}
int[] dp = new int[nums.length];
int max = Integer.MIN_VALUE;
for (int i = 0; i < nums.length; i++) {
dp[i] = nums[i];
if (i > 0 && dp[i - 1] > 0) {
dp[i] += dp[i - 1];
}
max = Math.max(max, dp[i]);
}
return max;
}
}