题目: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。
思路
通常我们遍历子串或者子序列有三种遍历方式
- 以某个节点为开头的所有子序列: 如 [a],[a, b],[ a, b, c] … 再从以 b 为开头的子序列开始遍历 [b] [b, c]。
- 根据子序列的长度为标杆,如先遍历出子序列长度为 1 的子序列,在遍历出长度为 2 的 等等。
- 以子序列的结束节点为基准,先遍历出以某个节点为结束的所有子序列,因为每个节点都可能会是子序列的结束节点,因此要遍历下整个序列,如: 以 b 为结束点的所有子序列: [a , b] [b] 以 c 为结束点的所有子序列: [a, b, c] [b, c] [ c ]。
因为第三种遍历方式可以产生递推关系, 采用动态规划时, 经常通过此种遍历方式, 如:背包问题、 最大公共子串。
通常我们遍历子串或者子序列有三种遍历方式
这部分转自:
作者:lao-hu-8
链接:https://leetcode-cn.com/problems/maximum-subarray/solution/xiang-xi-jie-du-dong-tai-gui-hua-de-shi-xian-yi-li/
使用动态规划方法时,首先规定dp[i]代表什么
这题里面,我们的dp[i]代表以第i个数字结尾的连续序列中最大的子序和
分析情况:
- 当dp[i-1]为负数时, d p [ i ] = n u m s [ i ] dp[i]=nums[i] dp[i]=nums[i],因为前面的最大子序和小于0,对当前的dp[i]有负增益效果,那么就不能再取前面了。
- 当dp[i-1]大于等于0时,
d
p
[
i
]
=
d
p
[
i
−
1
]
+
n
u
m
s
[
i
]
dp[i]=dp[i-1]+nums[i]
dp[i]=dp[i−1]+nums[i]
初始化:
d
p
[
0
]
=
n
u
m
s
[
0
]
dp[0]=nums[0]
dp[0]=nums[0]
状态转移方程:
代码
int maxSubArray(vector<int>& nums) {
int len=(int)nums.size();
int dp[len],ans;
//初始化
dp[0]=nums[0];
ans=dp[0]; //最大的子串和默认为dp[0],即nums[0]
//遍历
for(int i=1;i<len;i++){
if(dp[i]>=0)
dp[i]=dp[i-1]+nums[i];
else
dp[i]=nums[i];
//跟新ans等于最大的子串和
ans=max(ans,dp[i]);
}
return ans;
}
优化
每次状态的更新只依赖于前一个状态,就是说 dp[i] 的更新只取决于 dp[i-1] , 我们只用一个存储空间dp保存上一次的状态即可。
int maxSubArray(vector<int>& nums) {
int len=(int)nums.size();
int dp,ans;
dp=nums[0];
ans=dp[0];
for(int i=1;i<len;i++){
if(dp>=0)
dp=dp+nums[i];
else
dp=nums[i];
ans=max(ans,dp);
}
return ans;
}