最大子序和--动态规划

问题来源：最大子序和

问题描述：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。

例子：
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。

1. $O(n^2)$算法

这是一种暴力算法。两层遍历将所有的可能子列表取得，并计算该子列表和。第一遍遍历，遍历以nums[i]开端的子列表；第二遍遍历，给定开端nums[i]，遍历以nums[j]结束的子列表。

class Solution:
    def maxSubArray(self, nums: List[int]) -> int:
        res = []
        # 以nums[i]为开端的子列表
        for i in range(len(nums)):
            # 以nums[j]为结束的子列表
            # 即子列表nums[i: j]
            for j in range(i+1, len(nums)+1):
                temp = sum(nums[i: j])
                res.append(temp)
        # 返回res中的最大值
        return max(res)

这种算法超时。

2. $O(n)$算法

实际上，暴力算法里有很多重复计算，比如，以nums[0]为开端的子列表，实际上包含了以nums[1]为开端的子列表计算，也就是说，计算以nums[0]为开端的子列表，可以通过计算以nums[1]为开端的子列表得到。

动态规划：状态定义，状态转移方程，边界值。

• 状态定义：$d(i)$，以nums[i]为开端的最大子序和
• 状态转移方程：
  $$d(i)=\{\begin{array}{lll}nums[i]& \text{if}& d(i+1)<0\\ nums[i]+d(i+1)& \text{if}& d(i+1)\ge 0\end{array}$$
• 边界值：
  $$d(i)=\{\begin{array}{lll}nums[-1]& \text{if}& i=len(nums)-1\\ 0& \text{if}& i\ge len(nums)\end{array}$$

代码如下。

class Solution:
    def maxSubArray(self, nums: List[int]) -> int:
        d = [False for i in range(len(nums))]
        # 遍历每一个以nums[i]为开端的最大子序和
        for i in range(len(nums)-1, -1, -1):
            if i == len(nums) - 1:
                d[-1] = nums[-1]
            else:
                d[i] = nums[i] if d[i+1] < 0 else nums[i] + d[i+1]
        # 选出其中最大值
        return max(d)