一、题目
-
输入一个整型数组,数组里有正数也有负数。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。 -
提示:
1 <= arr.length <= 10^5
-100 <= arr[i] <= 100
注意:本题与主站 53 题相同 -
来源:力扣(LeetCode)
链接:剑指 Offer 42. 连续子数组的最大和
二、分析
-
【动态规划】
本题属于动态规划,动态规划的理解和刷题框架可以参考之前的文章
动态规划_图文详解_Java代码_leetcode刷题模板
什么是动态规划(Dynamic Programming)?动态规划的意义是什么?(1)
什么是动态规划(Dynamic Programming)?动态规划的意义是什么?(2) -
1.能不能使用动态规划
一个问题能不能动态规划 有以下三点- 1.重叠子结构:一个大的问题能否拆成若干小问题
- 2.满足无后效性: 历史状态不会影响将来的状态,未来的状态和历史无关,当前状态 决定历史状态。
- 3.最优子结构: 问题的最优解 可否有子问题的最优解推出
-
2.如何使用动态规划
- dp三连
-
1.我是谁? 状态设计
-
2.我从哪里来 我到哪里去 状态转移
我从哪里来 代表pull类型的转移 (由顶至底) 我到哪里去 代表pushl类型的转移 (由底至顶) 这两个问题在实际求解 考虑清楚一个就行了
-
3.明确初始条件。base case
-
- dp三连
-
3 问题分析
求所有子数组的和的最大值=> 假设 数组长度 为n 求长度为n的所有子数组的和的最大值 => 可以先求 前 n -1 所有子数组的和的最大者 再与 n 比较 => 问题可以拆分成 若干重叠子问题 =>**满足重叠子结构** => 我只关心 n-1的所有子序列的和 的到n的子数组和,而不必关系 n-1 以前的是怎么求得的 。 n-1当前状态 , n未来状态, n-1 以前的是历史状态。 n-1以前的历史状态不影响n的未来状态,当前状态 n-1 可以推出未来状态 n-1 =>n 。 => **满足无后效性* =>子问题的最大值 可以得到 原问题的最大值 => **满足最优子结构** => **综上 可以使用动态规划**
-
4.算法设计
1.我是谁 -> 状态设计 设 f(i) 是以下标i结尾的所有子数组的和的最大值 2.我到哪里去 f(i+1) = nums[i+1] ,f(i) <0 = f(i) + nums[i+1] ,f(i) >0 即动态转移方程 dp[i+1] = nums[i+1] ,dp[i] <0 = nums[i+1] + dp[i] , dp[i] >=0 3.明确初始值 f(0) = nums[0] 只有一个 就是nums[0]
三、题解
-
1. [标准dp解法]
class Solution { public int maxSubArray(int[] nums) { //创建dp int[] dp = new int[nums.length]; //明确初始条件 dp[0]=nums[0]; //我是谁 上面已经分析了,代码中不用体现 //我到哪里去 for(int i = 1 ; i < nums.length ; i++){ dp[i] = (dp[i-1]< 0)? nums[i] :dp[i-1] + nums[i]; } // 返回结果 遍历dp[] 获取最大值 int max = Integer.MIN_VALUE; for(int i = 0 ; i < dp.length; i ++){ if(dp[i] > max) max=dp[i]; } return max; } }
-
2.【bp 优化一 】 主要针对获取最大值的优化 不用最后再遍历dp获取最大值
class Solution { public int maxSubArray(int[] nums) { //1.明确初始条件 int[] dp = new int[nums.length]; dp[0] = nums[0]; //2.我是谁 dp[i]代表以下标为i的数组nums[i]结尾的所有子序列的和的最大值 //3.我从哪里来 int max = dp[0]; for(int i = 1 ; i < nums.length ; i++){ dp[i] = (dp[i-1]<0)? nums[i]: dp[i-1]+nums[i]; max = Math.max(max,dp[i]); } // //4返回 return max; } }
-
3.【bp 优化二】 如果允许修改原数组,直接用原数组 当做dp[]
//动态规划一般都有两种优化的方法 : //①滚动数组 : 如果题目允许我们修改原数组 我们直接使用原数组当做dp数组。避免重新创建一个dp 可以将空间复杂度将为O(1) //②变量替换 : 如果不允许修改原数组,且我们发现 dp[i] 只与 dp[i-1 或者前几个dp值有关,我们可以创建对应数量数的变量 不断交替更新即可,不用创建整个dp //滚动数组: 直接用原数组当做dp数组 public int maxSubArray(int[] nums) { //特例处理 int len = nums.length; if(nums == null || len == 0) return 0; int max = nums[0]; //使用原数组当做dp数组 for(int i = 1 ; i < len; i++){ nums[i] = (nums[i-1] < 0)? nums[i] : nums[i-1]+nums[i]; max = Math.max(max,nums[i]); } return max; } //变量替换: dp状态方程中,dp[i] 只和dp[i-1]相关,我们可以定义一个变量 并不断的更新它,达到dp数组的效果 public int maxSubArray(int[] nums) { //特例处理 int len = nums.length; if(nums == null || len == 0) return 0; int max = nums[0]; int sum = 0; // 替换dp列表 for(int i = 0; i < len; i++){ sum = sum < 0? nums[i] : nums[i]+sum; //在第一次的时候,sum是替换dp[i-1] 计算后更新为dp[i] max = Math.max(sum,max); } return max; }
}
```