题目描述
给你一个整数数组 nums ,请你找出一个具有最大和的连续子数组(子数组最少包含一个元素),返回其最大和。
子数组是数组中的一个连续部分。
解题思想
如果 -2 1 在一起,计算起点的时候,一定是从 1 开始计算,因为负数只会拉低总和,这就是贪心贪的地方!
局部最优:当前“连续和”为负数的时候立刻放弃,从下一个元素重新计算“连续和”,因为负数加上下一个元素 “连续和”只会越来越小。
全局最优:选取最大“连续和”
局部最优的情况下,并记录最大的“连续和”,可以推出全局最优。
从代码角度上来讲:遍历 nums,从头开始用 count 累积,如果 count 一旦加上 nums[i]变为负数,那么就应该从 nums[i+1]开始从 0 累积 count 了,因为已经变为负数的 count,只会拖累总和。
这相当于是暴力解法中的不断调整最大子序和区间的起始位置。
代码
class Solution {
public:
int maxSubArray(vector<int>& nums) {
int result = 0,bestResult = INT_MIN;
for (int i = 0; i < nums.size(); i++) {
result += nums[i];
if (result > bestResult) bestResult = result;
//如果目前得到的数组之和<0,下次就将下一个数作为起点
if (result < 0) result=0;
}
return bestResult;
}
};
动态规划
/*
dp[i]:以i为尾的最大连续子序列和
dp[i] = max(dp[i-1]+nums[i],nums[i])
初始化:dp[0] = nums[0]
*/
class Solution {
public:
int maxSubArray(vector<int>& nums) {
vector<int> dp(nums.size(), 0);
dp[0] = nums[0];
int result = 0;
for (int i = 1; i < nums.size(); i++) {
dp[i] = max(dp[i - 1] + nums[i], nums[i]);
}
return *max_element(dp.begin(), dp.end());
}
};