Leetcode 53 最大子序和

题目描述

最大子序和：

解题思路一：暴力法

任何时候看到算法题，如果没有太好的思路，先尝试用暴力法解决一下，后面再针对暴力法中可以优化的点进行优化。题目需要求一个具有最大和的连续子数组，因此可以两层for循环遍历得到所有的子数组，然后对所有的子数组进行累加并比较得到一个最大和。

1、代码

    public int maxSubArray(int[] nums) {
        int max = nums[0];
        // 外层循环i用来表示每个子数组的起始位置
        for (int i = 0; i < nums.length; i++) {
            int sum = 0;
            // 内层循环j用来表示每个子数组的结束位置，计算子数组的和并和最大值比较
            for (int j = i; j < nums.length; j++) {
                sum += nums[j];
                max = Math.max(max, sum);
            }
        }
        return max;
    }

2、复杂度分析

时间复杂度：两层for循环遍历，因此时间复杂度是O(n^2)
空间复杂度：没有占用额外空间，因此空间复杂度是O(1)

解题思路二：动态规划

使用f(i)表示以下标i结尾的连续子数组的最大和（nums[i]元素必须选），则nums数组中连续子数组的最大和就是：
Math.max(f(i)，其中i的范围是[0, nums.length - 1]。下面如何求f(i)就是解决问题的关键，考虑最后加入f(i)的元素nums[i]，是让nums[i]重新成为单独的一段，还是将nums[i]加入到之前的f(i - 1)，这取决于两者之间的大小，因此可以得到状态转移方程： f(i) = max(f(i - 1) + nums[i]，nums[i])。

代码

    public int maxSubArray(int[] nums) {
        int[] dp = new int[nums.length];
        dp[0] = nums[0];
        int max = nums[0];

        for (int i = 1; i < nums.length; i++) {
            dp[i] = Math.max(dp[i - 1] + nums[i], nums[i]);
            max = Math.max(max, dp[i]);
        }
        return max;
    }

复杂度分析

时间复杂度：一层for循环遍历，因此时间复杂度是O(n)
空间复杂度：占用了一个和数组同长的数组，因此空间复杂度是O(n)

优化后代码

通过分析状态转移方程发现，f(i)的值只依赖于f(i - 1) 和nums[i]，因此可以只用一个变量来记录中间状态。

    public int maxSubArray(int[] nums) {
        int max = nums[0];
        int preSum = nums[0];
        for (int i = 1; i < nums.length; i++) {
            preSum = Math.max(preSum + nums[i], nums[i]);
            max = Math.max(max, preSum);
        }
        return max;
    }

优化后复杂度分析

时间复杂度：一层for循环遍历，因此时间复杂度是O(n)
空间复杂度：没有占用额外空间，因此空间复杂度是O(1)