53. 最大子序和
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。
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。
动态规划
这道题动态规划非常的简单,用 d p [ i ] dp[i] dp[i]表示第 i i i位结尾的最大子数组的大小,那么当 d p [ i − 1 ] dp[i - 1] dp[i−1]小于 0 0 0的时候,最大子数组就是 d p [ i ] = n u m s [ i ] dp[i] = nums[i] dp[i]=nums[i],否则为 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],由于每个 d p [ i ] dp[i] dp[i]只使用一次,我们可以只用一个 d p dp dp变量来记录之前的子数组最大值,节省空间,过程中记录出现过的最大值即可,代码如下:
class Solution {
public int maxSubArray(int[] nums) {
int max = nums[0], dp = nums[0];
for (int i = 1; i < nums.length; i++) {
if (dp <= 0) dp = nums[i];
else dp += nums[i];
max = Math.max(max, dp);
}
return max;
}
}
复杂度分析
-
时间复杂度: O ( n ) O(n) O(n)
循环一遍,复杂度为 O ( n ) O(n) O(n)。
-
空间复杂度: O ( 1 ) O(1) O(1)
仅需要常数级额外变量。
分治法
题目明确要求使用分治法,因此可以作为了解,实际上,分治法的复杂度并没有动态规划方法的复杂度好。
分治法主要是递归的拆解数组为左右两部分,当拆解到一个元素时开始返回,并“组装”每两部分。
假设拆解到 [ l , r ] [l, r] [l,r]这一个部分为 [ l , m ] [l, m] [l,m]和 [ m + 1 , r ] [m + 1, r] [m+1,r],那么我们要想合并需要维护这样几个变量:
- l S u m lSum lSum 表示 [ l , r ] [l, r] [l,r] 内以 l l l 为左端点的最大子段和
- r S u m rSum rSum 表示 [ l , r ] [l, r] [l,r] 内以 r r r 为右端点的最大子段和
- m S u m mSum mSum 表示 [ l , r ] [l, r] [l,r] 内的最大子段和
- i S u m iSum iSum 表示 [ l , r ] [l, r] [l,r] 的区间和
那么,合并返回的时候各个值的求法分别为:
- l S u m lSum lSum为 m a x ( max( max( [ l , m ] [l, m] [l,m]的 l S u m lSum lSum, [ l , m ] [l, m] [l,m]的 i S u m iSum iSum加上 [ m + 1 , r ] [m + 1, r] [m+1,r]的 l S u m lSum lSum ) ) )
- 同上, m a x ( max( max(两种情况 ) ) )
- 三种情况取最大值:
- [ l , m ] [l, m] [l,m]的 m S u m mSum mSum
- [ m + 1 , r ] [m + 1, r] [m+1,r]的 m S u m mSum mSum
- [ l , m ] [l, m] [l,m]的 r S u m + [ m + 1 , r ] rSum + [m + 1, r] rSum+[m+1,r]的 l S u m lSum lSum
- [ l , r ] [l, r] [l,r]的 i S u m iSum iSum为 [ l , m ] [l, m] [l,m]和 [ m + 1 , r ] [m + 1, r] [m+1,r]的 i S u m iSum iSum之和
class Solution {
public class Status {
public int lSum, rSum, mSum, iSum;
public Status(int lSum, int rSum, int mSum, int iSum) {
this.lSum = lSum;
this.rSum = rSum;
this.mSum = mSum;
this.iSum = iSum;
}
}
public Status getInfo(int[] nums, int l, int r) {
if(l == r) return new Status(nums[l], nums[l], nums[l], nums[l]);
int m = l + (r - l) / 2;
Status left = getInfo(nums, l , m);
Status right = getInfo(nums, m + 1, r);
int lSum = Math.max(left.lSum, left.iSum + right.lSum);
int rSum = Math.max(right.rSum, right.iSum + left.rSum);
int mSum = Math.max(left.rSum + right.lSum, Math.max(left.mSum, right.mSum));
int iSum = left.iSum + right.iSum;
return new Status(lSum, rSum, mSum, iSum);
}
public int maxSubArray(int[] nums) {
return getInfo(nums, 0 , nums.length - 1).mSum;
}
}
线段树这种数据结构就是使用了这种分治的思想,使得所有操作都可以在 O ( l o g n ) O(logn) O(logn)的时间内得到答案。
复杂度分析
-
时间复杂度: O ( n ) O(n) O(n)
遍历了所有节点。
-
空间复杂度: O ( l o g n ) O(logn) O(logn)
递归深度 l o g n logn logn故使用栈开销 O ( l o g n ) O(logn) O(logn)。