【LeetCode】53. 最大子数组和（中等）——代码随想录算法训练营Day53

题目链接：53. 最大子数组和

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。

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 。

示例 2：

输入：nums = [1]
输出：1

示例 3：

输入：nums = [5,4,-1,7,8]
输出：23

提示：

• 1 <= nums.length <= 105
• -104 <= nums[i] <= 104

进阶：如果你已经实现复杂度为 O(n) 的解法，尝试使用更为精妙的 分治法 求解。

文章讲解：代码随想录

视频讲解：看起来复杂，其实是简单动态规划 | LeetCode：53.最大子序和_哔哩哔哩_bilibili

题解1：贪心算法

思路：之前已经用贪心算法做过此题，再来回顾一下。遍历数组然后求和，局部最优为每一步都取正数和，舍弃负数和，全局最优为得到最大子数组和。

/**
 * @param {number[]} nums
 * @return {number}
 */
var maxSubArray = function(nums) {
    let res = nums[0];
    let sum = 0;
    for (let i = 0; i < nums.length; i++) {
        sum += nums[i];
        res = Math.max(res, sum);
        if (sum < 0) {
            sum = 0;
            continue;
        }
    }
    return res;
};

分析：时间复杂度为 O()，空间复杂度为 O()。

题解2：动态规划

思路：以 nums[i] 结尾的最大子数组和与 nums[i - 1] 结尾的最大子数组和相关，可以使用动态规划法求解。

动态规划分析：

• dp 数组以及下标的含义：dp[i] 代表以 nums[i] 结尾的最大子数组和。
• 递推公式：dp[i] = dp[i - 1] > 0 ? dp[i - 1] + nums[i] : nums[i]。
• dp 数组初始化：dp[0] = nums[0]。
• 遍历顺序：从前到后。
• 打印 dp 数组：以输入 [-2,1,-3,4,-1,2,1,-5,4] 为例，dp 数组为 [ -2, 1, -2, 4, 3, 5, 6, 1, 5 ]。

/**
 * @param {number[]} nums
 * @return {number}
 */
var maxSubArray = function(nums) {
    let res = nums[0];
    const dp = new Array(nums.length).fill(0);
    dp[0] = nums[0];
    for (let i = 1; i < nums.length; i++) {
        dp[i] = dp[i - 1] > 0 ? dp[i - 1] + nums[i] : nums[i];
        res = Math.max(res, dp[i]);
    }
    return res;
};

分析：时间复杂度为 O(n)，空间复杂度为 O(n)。

可以看出 dp[i] 只依赖于 dp[i - 1]，可以考虑状态压缩。实际上，状态压缩后的代码就是贪心思路的代码。

收获

练习使用动态规划法求解子序列问题，子序列包括子数组，子数组是连续的，子序列可以是不连续的。