难度中等5619
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
动态规划
- dp数组的定义 : 以nums[i]为结尾的最大连续子数组之和为dp[i]
- dp数组的状态转移方程 : 对于一个元素最大连续子数组要么是本身,要么是以nums[i-1]为结尾最大的子数组之和加上本身 dp[i] = Math.max(dp[i-1]+nums[i],nums[i]);
- dp数组初始化 : 由于状态转移方程要知道dp[i-1]得状态,所以要初始化dp[0],当数组长度为1的时候最大子数组之和为nums[0] 即 dp[0] = nums[0]
- dp数组遍历顺序 : 根据动态转移方程 想要推出dp[i],既要知道dp[i-1]也就是前一个的状态,所以从左往右遍历即可
- 因为dp[i]只计算出以nums[i]为结尾的最大子数组之和,所以我们要想求出整个数组的最大子数组这和,需要一个max变量更新最大子数组之和
class Solution {
public int maxSubArray(int[] nums) {
if(nums.length<=1){
return nums[0];
}
//dp:以nums[i]为结尾的最大子数组之和为dp[i]
int[] dp = new int[nums.length];
dp[0] = nums[0];//dp初始化,一个元素的时候最大子数组之后就是自己(nums[0])
int max = nums[0];//初始化最大子数组之和
for(int i =1;i<nums.length;++i) {
//对于一个元素最大连续子数组要么是本身,要么是以nums[i-1]为结尾最大的子数组之和加上本身
dp[i] = Math.max(dp[i-1]+nums[i],nums[i]);
//更新最大子数组之和
max = Math.max(dp[i],max);
}
return max;
}
}
总结 :
对于子数组,子序列,子XXX dp数组的定义为 以xxx为结尾的 xxxxx为dp[][].....
贪心
使用贪心算法,局部最优退出全局最优.
我们用一个变量累计连续子数组之和,如果发现累加和为负数,就从0重新计算和,然后使用能够max每次更新最大值.
局部最优就是 : 一直累加子数组之和,直到连续子数组之和为负数停止,立马停止,从下一个数开始累加.
在每次都更新最大连续子数组之和,最终退出全局最优,整个数组中的最大连续子数组之和
class Solution {
public int maxSubArray(int[] nums) {
int count = 0;//用于计算子数组连续和
int maxSum = nums[0];//用于记录最大连续子数组之和,每次都要更新
for(int i =0;i<nums.length;++i) {
count+= nums[i];//count累计连续子数组之和,如果发现小于0,从头开始累计
maxSum = Math.max(maxSum,count);//每次都更新最大值
if(count<0) {
count = 0;
}
}
return maxSum;
}
}
总结 :
这次贪心算法也是利用局部最优退出全局最优,但是很难想到,题目是计算最大连续子数组之和,本题就是一直累加直到为负数停止,每次都更新最大.