[LeetCode] 53. Maximum Subarray 代码+分析(dp)

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;
	    }

}