输入一个长度为n的整型数组array,数组中的一个或连续多个整数组成一个子数组,找到一个具有最大和的连续子数组。
1.子数组是连续的,比如[1,3,5,7,9]的子数组有[1,3],[3,5,7]等等,但是[1,3,7]不是子数组
2.如果存在多个最大和的连续子数组,那么返回其中长度最长的,该题数据保证这个最长的只存在一个
3.该题定义的子数组的最小长度为1,不存在为空的子数组,即不存在[]是某个数组的子数组
4.返回的数组不计入空间复杂度计算
思路:
既然是连续子数组,如果我们拿到了当前的和,对于后面一个即将加入的元素,如果加上他这一串会变得更大,我们肯定会加上它,如果它自己会比加上前面这一串更大,说明从它自己开始连续子数组的和可能会更大。
那我们可以用dp数组表示以下标i为终点的最大连续子数组和,则每次遇到一个新的数组元素,连续的子数组要么加上变得更大,要么它本身就更大,因此状态转移为dp[i]=max(dp[i−1]+array[i],array[i])dp[i] = max(dp[i - 1] + array[i], array[i])dp[i]=max(dp[i−1]+array[i],array[i]),这是最基本的求连续子数组的最大和。
但是题目要求需要返回长度最长的一个,我们则每次用left、right记录该子数组的起始,需要更新最大值的时候(要么子数组和更大,要么子数组和相等的情况下区间要更长)顺便更新最终的区间首尾,这样我们的区间长度就是最长的。
具体做法:
- step 1:创建动态规划辅助数组,记录到下标i为止的最大连续子数组和,下标为0的时候,肯定等于原数组下标为0的元素。
- step 2:准备左右区间双指针记录每次连续子数组的首尾,再准备两个双指针记录最大和且区间最长的连续子数组的首尾。
- step 3:遍历数组,对于每个元素用上述状态转移公式记录其dp值,更新区间首尾(如果需要)。
- step 4:出现一个最大值。且区间长度更大的时候,更新记录最长区间的双指针。
- step 5:根据记录的最长子数组的位置取数组。
图示
代码:
public int[] FindGreatestSumOfSubArray (int[] nums) {
int[] dp = new int[nums.length];
int max = nums[0];
int sum = nums[0];
//滑动区间
//滑动区间
int left = 0, right = 0;
//记录最长的区间
int maxL = 0, maxR = 0;
for(int i =1; i < nums.length;i++){
right++;
dp[i] = Math.max(dp[i-1]+nums[i],nums[i]);
if(dp[i-1] + nums[i] < nums[i])
//更新滑动区间
left=right;
if(dp[i] > max || dp[i] == max && (right-left+1) > (maxR-maxL+1)){
maxL = left;
maxR = right;
max = dp[i];
}
}
int[] res = new int[maxR-maxL+1];
for(int i = maxL;i <= maxR;i++){
res[i-maxL] = nums[i];
}
return res;
}
优化后的代码:
public int[] FindGreatestSumOfSubArray (int[] array) {
// write code here
int sum = array[0];
int max = array[0];
int dp = array[0];
//滑动区间
int left = 0,right=0;
//最长连续子数组的滑动区间
int maxL = 0,maxR = 0;
for(int i = 1; i < array.length;i++){
right++;
sum = Math.max(dp+array[i],array[i]);
if(dp+array[i] < array[i]){
//更新滑动区间
left=right;
}
if(sum > max || (sum == max && (right-left+1) > (maxR-maxL+1))){
maxL = left;
maxR = right;
max = sum;
}
dp = sum;
}
int[] res = new int[maxR-maxL+1];
for(int i = maxL; i <= maxR;i++){
res[i-maxL] = array[i];
}
return res;
}