题目描述
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:[1,-2,3,10,-4,7,2,-5]
返回值:18
说明:输入的数组为{1,-2,3,10,—4,7,2,一5},和最大的子数组为{3,10,一4,7,2},
因此输出为该子数组的和 18。
思路
- 看到求最大前n项和。最直接的最暴力的方法就是遍历全部子数组和并且一一比较大小。显然这样做回导致复杂度为 O ( n 2 ) O(n^2) O(n2)。
- 根据陈越老师的思想方法——看到 O ( n 2 ) O(n^2) O(n2)可以尝试转换到 O ( n l o g n ) O(nlogn) O(nlogn)。但是题目已经要求复杂度为O(n)。
- O ( n ) O(n) O(n)就可以看出这道题只能遍历(for循环)一次数组。
- 思考最极限状况。极限状态1:数组元素全为正整数——[4,5,2,6,8,1],最大子数组和就是数组本身元素和。极限状态2:数组元素全为负数——[-3,-7,-1-9,-10],最大子数和为-1,是数组元素。
- 普通状态:数组有负有正——[1,-2,3,10,-4,7,2,-5]。在人为计算最大子数和时,发现只要是前面子数和一旦为负数,只要是包含这个子数组全部元素必然不是最大的子树和,需要抛弃掉为负数的子树和。
class Solution {
public:
int FindGreatestSumOfSubArray(vector<int> array)
{
int sum, tmp;
sum = INT32_MIN; // 子数和可以为负数,所以初始化为int型最小值
tmp = 0;
for(int i = 0; i < array.size(); ++i)
{
tmp += array[i];
if(tmp > sum)
sum = tmp;
if(tmp < 0) // 一旦发现前面的子数组和为负数,
//就会影响到下一次的累加(但不影响此次,所以需要把判断放在最后)。
tmp = 0;
}
return sum;
}
};
上述我这个使用了判断结构,下面这段代码更加简洁,一样的思想。不过是使用max函数替代了判断,如果是自己写完整代码记得一定要加头文件#include<algorithm>
。下面代码出自这。
class Solution {
public:
int maxSubArray(vector<int>& nums) {
int resmax = INT_MIN, curmax = 0;//resmax表示整个数组的最大连续子数组和,curmax表示当前最大连续子数组和
for (int i = 0; i < nums.size(); ++i) {
curmax += nums[i];
resmax = max(resmax, curmax);//更新结果
curmax = max(curmax, 0);//如果目前<0,说明拖后腿,就丢了
}
return resmax;
}
};
应用动态规划方式:如果用函数 f ( i ) f(i) f(i)表示以第 i i i个数字结尾的子数组的最大和(可正可负),那么就可以利用递归公式: f ( n ) = { D a t a [ i ] , if i = 0 or f ( i − 1 ) ≤ 0 f ( i − 1 ) + D a t a [ i ] , if i ≠ 0 and f ( i − 1 ) > 0 f(n) = \begin{cases} Data[i], & \text{if $i = 0$ or $f(i-1) \leq 0$} \\ f(i-1) + Data[i], & \text{if $i \neq 0$ and $f(i-1) > 0$} \end{cases} f(n)={Data[i],f(i−1)+Data[i],if i=0 or f(i−1)≤0if i=0 and f(i−1)>0
class Solution {
public:
int FindGreatestSumOfSubArray(vector<int> array)
{
// 动态规划方法:
if(array.size() == 0)
return 0;
vector<int> f(array.size(),0);
// i = 0
f[0] = array[0];
int MaxValue = f[0];
// i 不等于 0
for(int i = 1; i < array.size(); ++i)
{
f[i] = max(f[i-1] + array[i], array[i]);
MaxValue = max(MaxValue, f[i]);
}
return MaxValue;
}
};
但是可以避免使用vector容器,以及不需要分 i i i是否是等于0。代码出自这。
class Solution {
public:
int maxSubArray(vector<int>& nums) {
int res = INT_MIN, s = 0;//res是结果,s是以前一个数结尾的所有子数组中的最大和
for (int i = 0; i < nums.size(); ++i) {
s = max(s + nums[i], nums[i]);
//以当前i结尾的所有子数组的最大和:若s > 0,则s+nums[i]最大,若s<=0,则丢掉前面的最大;
res = max(res, s);
}
return res;
}
};