leetcode 面试题 16.17. 连续数列——分治算法

面试题 16.17. 连续数列

题目来源:力扣(LeetCode)
https://leetcode-cn.com/problems/contiguous-sequence-lcci/

解题思路:

为了使用分治算法而使用分治算法求解:

首先考虑如何将一个原问题如何分解为一系列子问题。简单想一下,如果数组中只有一个元素,那最大值直接就求出来了,于是想着将原数组一直分解下去,直到最后只有一个元素。一个数组中元素和最大的连续序列可能是存在数组的左边、也可能是右边,还有一种可能是中间,也只有这三种可能。

  1. 我们从中间位置将数组分成两个子数组,这样就将原问题分解为两个子问题;
  2. 一直分解下去,直到子数组只有一个元素,该子数组的解就一目了然了;
  3. 如何合并子问题的解:原问题分解为两个子问题后,如果求得这两个子问题的解,这两个子问题的解是相互独立的,可以通过选择这两个解的最大值作为原数组可能的最优解;通过子问题的解,我们得到两情况的解,但还有一种中间区域的解还没求解,这个解是不能通过子问题得到的,需要单独计算得到,最终选择三者中的最大值。

分治算法代码:

public int maxSubArray(int[] nums) {
    int left = 0;
    int right = nums.length;  // 左闭右开
    return recursive(nums,left,right);
}
private int recursive(int[] nums, int left, int right){
    if(right-left<2) return nums[left]; // 区间只有一个元素时,直接返回
    int middle = (right+left) >> 1;     // 中间位置归属右区间
    
    // 左边最大值
    int leftMax = recursive(nums, left, middle);
    
    // 右边最大值
    int rightMax = recursive(nums, middle, right);
    
    // 中间最大值求解
    int middleMax;
    	// 中间元素连续左边最大初始值,累加初始值为0。
    int leftSum = 0,  leftBorderMax = nums[middle-1]; 
     	// 中间元素连续右边最大初始值,累加初始值为0。
    int rightSum = 0, rightBorderMax = nums[middle]; 
    	// 从中间元素左边第一个元素求连续左边最大值
    for(int i=middle-1; i>=left; i--){
        leftSum += nums[i];
        leftBorderMax = leftBorderMax>leftSum ? leftBorderMax : leftSum;
    }
    	// 从中间元素开始求连续右边最大值
    for(int i=middle; i<right; i++){
        rightSum += nums[i];
        rightBorderMax = rightBorderMax>rightSum ? rightBorderMax : rightSum;
    }
    	// 中间元素连续左右边最大值相加即为中间区间最大值。
    middleMax = leftBorderMax + rightBorderMax;
    
    int max;
    max = leftMax > rightMax ? leftMax : rightMax;
    max = max > middleMax ? max : middleMax;
    return max;  // 取三者中的最大值。
}

这题还有更简单的方式,一个循环即可。

public int maxSubArray(int[] nums) {
    // 假设第一个元素最大
    int max = nums[0];
    int sum = 0;
    for(int i=0; i<nums.length;i++){
        sum += nums[i];
        max = (max>sum) ? max : sum;
        if(sum<0) sum = 0;
    }
    return max;
}

使用递归代替循环:

private int max;
private int sum;
public int maxSubArray(int[] nums) {
    // 假设第一个元素最大
    max = nums[0];
    sum = 0;
    recursive(nums,0);
    return max;
}
private void recursive(int[] nums,int i){
    if(i>nums.length-1) return;  // 递归退出条件
    sum = sum + nums[i];
    max = (max>sum) ? max : sum;
    if(sum<0) sum = 0;
    recursive(nums,++i);
}
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
KMP算法是一种字符串匹配算法,用于在一个文本串S内查找一个模式串P的出现位置。它的时间复杂度为O(n+m),其中n为文本串的长度,m为模式串的长度。 KMP算法的核心思想是利用已知信息来避免不必要的字符比较。具体来说,它维护一个next数组,其中next[i]表示当第i个字符匹配失败时,下一次匹配应该从模式串的第next[i]个字符开始。 我们可以通过一个简单的例子来理解KMP算法的思想。假设文本串为S="ababababca",模式串为P="abababca",我们想要在S中查找P的出现位置。 首先,我们可以将P的每个前缀和后缀进行比较,得到next数组: | i | 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | | --- | - | - | - | - | - | - | - | - | | P | a | b | a | b | a | b | c | a | | next| 0 | 0 | 1 | 2 | 3 | 4 | 0 | 1 | 接下来,我们从S的第一个字符开始匹配P。当S的第七个字符和P的第七个字符匹配失败时,我们可以利用next[6]=4,将P向右移动4个字符,使得P的第五个字符与S的第七个字符对齐。此时,我们可以发现P的前五个字符和S的前五个字符已经匹配成功了。因此,我们可以继续从S的第六个字符开始匹配P。 当S的第十个字符和P的第八个字符匹配失败时,我们可以利用next[7]=1,将P向右移动一个字符,使得P的第一个字符和S的第十个字符对齐。此时,我们可以发现P的前一个字符和S的第十个字符已经匹配成功了。因此,我们可以继续从S的第十一个字符开始匹配P。 最终,我们可以发现P出现在S的第二个位置。 下面是KMP算法的C++代码实现:

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值