最大子序列和
自大子序列和问题描述
给定一个整数数组 nums ,找到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。
示例:
输入: [-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。
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。
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/maximum-subarray
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。
暴力破解法
使用暴力破解法,类似于求最大值的问题,计算所有情况的结果,时间复杂度O(n3):
class Solution {
public:
int maxSubArray(vector<int>& nums) {
int size = nums.size();
int result = TNT_MIN;
for(int i = 0 ; i<size ;i++){
int sum = 0;
for(int j = i ; j<size ;j++){
sum += nums[j];
}
if(result < sum) result = sum;
}
return result;
}
};
动态规划
动态规划法,依据前一次计算得出的最优解,与这次计算进行比较,得出当前步骤下的最优解。
class Solution {
public:
int maxSubArray(vector<int>& nums) {
int size = nums.size();
int result = nums[0];
int dp = result;
for(int i = 1 ; i<size ; i++){
dp = max(num[i],dp+nums[i]);//用dp记录每次计算的最优解
if(dp > result) result = dp;
}
return result;
}
};
贪心算法
贪心算法,即在问题求解中,总是选择当前情况下最好的结果,不考虑总体的情况。
在本题当中,每次向后加上一个数,都会选择加或者不加两种情况当中最好的一个结果,即当nums[i]为正数,则是好情况,可以采纳,否则包留原结果。当遇到负数,则不采纳这一数字,将sum置零。
class solution{
public:
int maxSubArray(vector<int>& nums){
int size = nums.size();
int result = TNT_MIN;
int sum = 0;
for(int i = 0 ; i<size ;i++){
sum += nums[i];
result = max(result,sum);
if(sum < 0) sum = 0;
}
return result;
}
}