LeetCode ---- 53. 最大子序和 (java)

给一个int类型数组，求出连续的子序列的最大和。

如：A[]={-1,1,2,-4,5,5,-2,5}, 最大子序列和为： 5+5+(-2)+5 = 13

方法一：暴力求解 ，时间复杂度O(n^3)

时间复杂度O(n^2)

public static int MaxSubsequenceSumOn2( int[] A) {
        int len = A.length;

        int thisSum = 0;
        int maxSum = A[0];

        for(int i = 0; i < len; i++){
            thisSum = 0;
            for(int j = i; j < len; j++){
                thisSum += A[j];
                if(thisSum > maxSum)
                    maxSum = thisSum;
            }
        }

        return maxSum;
    }

 时间复杂度O(nlogn)

int Max3( int A, int B, int C )
{ /* 返回3个整数中的最大值 */
    return A > B ? A > C ? A : C : B > C ? B : C;
}
 
int DivideAndConquer( int List[], int left, int right )
{ /* 分治法求List[left]到List[right]的最大子列和 */
    int MaxLeftSum, MaxRightSum; /* 存放左右子问题的解 */
    int MaxLeftBorderSum, MaxRightBorderSum; /*存放跨分界线的结果*/
 
    int LeftBorderSum, RightBorderSum;
    int center, i;
 
    if( left == right )  { /* 递归的终止条件，子列只有1个数字 */
        if( List[left] > 0 )  return List[left];
        else return 0;
    }
 
    /* 下面是"分"的过程 */
    center = ( left + right ) / 2; /* 找到中分点 */
    /* 递归求得两边子列的最大和 */
    MaxLeftSum = DivideAndConquer( List, left, center );
    MaxRightSum = DivideAndConquer( List, center+1, right );
 
    /* 下面求跨分界线的最大子列和 */
    MaxLeftBorderSum = 0; LeftBorderSum = 0;
    for( i=center; i>=left; i-- ) { /* 从中线向左扫描 */
        LeftBorderSum += List[i];
        if( LeftBorderSum > MaxLeftBorderSum )
            MaxLeftBorderSum = LeftBorderSum;
    } /* 左边扫描结束 */
 
    MaxRightBorderSum = 0; RightBorderSum = 0;
    for( i=center+1; i<=right; i++ ) { /* 从中线向右扫描 */
        RightBorderSum += List[i];
        if( RightBorderSum > MaxRightBorderSum )
            MaxRightBorderSum = RightBorderSum;
    } /* 右边扫描结束 */
 
    /* 下面返回"治"的结果 */
    return Max3( MaxLeftSum, MaxRightSum, MaxLeftBorderSum + MaxRightBorderSum );
}
 
int MaxSubseqSum3( int List[], int N )
{ /* 保持与前2种算法相同的函数接口 */
    return DivideAndConquer( List, 0, N-1 );
}

 时间复杂度O(n)

  public static int MaxSubsequenceSum (int[] A) {
        int len = A.length;

        int thisSum = 0, maxSum = 0;

        for(int i = 0; i < len; i++){
            thisSum += A[i];
            if(thisSum > maxSum)
                maxSum = thisSum;
            else if(thisSum < 0)
                thisSum = 0;
        }
        return maxSum;
    }

关键点是，连续和一旦小于0，清零之后，再往后加和  （因为要和最大嘛，前面的和小于0就没必要再加上前面子序列的和了）

 

测试用例：

    static public void main(String[] args) {
       int[] A = {-1,1,2,-4,5,5,-2,5};
//        int[] A = {-1};
        System.out.println(MaxSubsequenceSum(A));  //13
        System.out.println(MaxSubsequenceSumOn2(A)); //13
    }

 

 

方法三： 动态规划， 时间复杂度O(n)

用 dp[n] 表示元素 n 作为末尾的连续序列的最大和，容易想到状态转移方程为dp[n] = max(dp[n-1] + num[n], num[n])，从第 1 个元素开始，自顶向上求解：

c++:

int maxSubArray(vector<int>& nums) {
    int* dp = new int[nums.size()]();

    dp[0] = nums[0];
    int result = dp[0];

    for (int i = 1; i < nums.size(); i++) {
        dp[i] = max(dp[i-1] + nums[i], nums[i]);
        result = max(result, dp[i]);
    }

    return result;
}

这个问题当中，求解 dp[i] 只依赖 dp[i-1]，因此可以使用变量来存储，简化代码：

int maxSubArray(int A[], int n) {
    int result = INT_MIN;
    int f = 0;
    for (int i=0; i < n; i++) {
        f = max(f + A[i], A[i]);
        result = max(result, f);
    }
    return result;
}

参考：

最大子序列和、最小子序列和、最小正子序列和、最大子序列乘积

https://hit-alibaba.github.io/interview/basic/algo/DP.html