题目描述:
输入一个 非空 整型数组,数组里的数可能为正,也可能为负。
数组中一个或连续的多个整数组成一个子数组。
求所有子数组的和的最大值。
要求时间复杂度为O(n)。
样例
输入:[1, -2, 3, 10, -4, 7, 2, -5]
输出:18
分析:
本题作为动态规划的经典题,在紫书上高效算法设计第一节便给出了各种复杂度的解法。
暴力法:枚举部分和起点,终点以及求部分和,需要立方级复杂度。
部分和:直接用前缀和来求部分和,省去了求部分和的遍历,复杂度平方级。
分治法:在前缀和基础上进行分治,可实现nlogn复杂度的算法。
动态规划:定义dp[i]为以第i个数为末尾的最大部分和,省去了对起点的枚举,实现线性的时间复杂度。
尽管较早就接触到这道题,但是在前年的研究生入学考试中,THU的专业课DS中第二道算法题就出现了这道题,比较悲催的是当时虽然做过此题,考场上却脑子短路,这题空着了,白白损失了十几分。正因为如此,至今对这题记忆犹新。
现在再做一遍这题,不用刻意去想怎么dp。我们知道,对于1 2 -4 2这样的序列,前缀和到了-4这便成了负数,再加上前缀的这么多数得不偿失,而对于1 2 -1 2这样的序列,即使遍历到了-1,但是总和还是正数,加上前缀更有益。
所以我们定义s为以当前遍历数为最后一个数的部分和的最大值。在遍历到下一个数前,若s为正,则不变,否则对s清零即可。
class Solution {
public:
int maxSubArray(vector<int>& nums) {
int n = nums.size();
int s = max(0,nums[0]);
int m = nums[0];
for(int i = 1;i < n;i++){
s += nums[i];
m = max(m,s);
s = (s > 0 ? s : 0);
}
return m;
}
};