leetcode53. 最大子数组和

pearz

已于 2022-05-10 20:58:10 修改

阅读量126

点赞数

分类专栏：刷题文章标签：贪心算法 leetcode 动态规划

于 2022-05-10 20:55:14 首次发布

本文链接：https://blog.csdn.net/pearz/article/details/124697246

版权

刷题专栏收录该内容

28 篇文章 0 订阅

订阅专栏

本文探讨了LeetCode问题中如何通过贪心和动态规划两种方法求解最大子数组和。首先介绍了贪心算法的实现思路，然后展示了动态规划在解决此类问题上的优势。通过实例详细解释了两种方法的应用，适合初学者理解这两种经典算法的对比。

摘要由CSDN通过智能技术生成

地址：https://leetcode-cn.com/problems/maximum-subarray/
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。
实例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 。

实例2：

输入：nums = [1]
输出：1

实例3：

输入：nums = [5,4,-1,7,8]
输出：23

贪心

答案：

class Solution {
    public int maxSubArray(int[] nums) {
        int res = nums[0];
        int count = 0;

        for (int i = 0; i < nums.length; i++) {
            count += nums[i];
            res = Math.max(res, count);
            count = count > 0 ? count : 0;
        }

        return res;
    }
}

动态规划

答案：

class Solution {
    public int maxSubArray(int[] nums) {
        int len = nums.length;
        int[] dp = new int[len];
        dp[0] = nums[0];

        int res = nums[0];
        for (int i = 1; i < len; i++) {
            dp[i] = Math.max(nums[i], nums[i] + dp[i - 1]);
            res = Math.max(res, dp[i]);
        }

        return res;
    }
}