动态规划---最大和的子集

最新推荐文章于 2022-10-18 23:11:54 发布

米缸没米了

最新推荐文章于 2022-10-18 23:11:54 发布

阅读量536

点赞数

分类专栏： LeetCode 文章标签：动态规划

本文链接：https://blog.csdn.net/qq_31307013/article/details/80575995

版权

LeetCode 专栏收录该内容

41 篇文章 0 订阅

订阅专栏

这篇博客探讨了如何使用动态规划解决寻找给定整数数组中具有最大和的连续子数组问题。作者提供了O(n)时间复杂度的解决方案，并提及可以尝试用分治策略实现更巧妙的方法。博客中包含了C++和Python两种语言的实现代码。

摘要由CSDN通过智能技术生成

1、题目：

Given an integer array nums, find the contiguous subarray (containing at least one number) which has the largest sum and return its sum.

Example:

Input: [-2,1,-3,4,-1,2,1,-5,4],
Output: 6
Explanation: [4,-1,2,1] has the largest sum = 6.

Follow up:

If you have figured out the O(n) solution, try coding another solution using the divide and conquer approach, which is more subtle.

2、解答：这是选和不选的问题。若第i步的值加上num[i]小于num[i]则不选，若大于num[i]，则选。

3、代码：

C++代码

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        //vector<int> f(nums.size());
        //f[0] = nums[0];
        //for(int i=1;i<nums.size();i++){
         //   f[i] = max(f[i-1]+nums[i],nums[i]);
       // }
        //return *std::max_element(f.begin(),f.end());
        int ans = nums[0];
        int sum = nums[0];
        for(int i=1;i<nums.size();i++){
            sum = max(sum + nums[i],nums[i]);
            if(sum > ans)
                ans = sum;
        }
        return ans;
    }
};

python代码

class Solution:
    def maxSubArray(self, nums):
        """
        :type nums: List[int]
        :rtype: int
        """
        sum_num = nums[0]
        ans = nums[0]
        for i in range(1,len(nums)):
            sum_num = max(sum_num+nums[i],nums[i])
            if sum_num > ans:
                ans = sum_num
        return ans