力扣53. 最大子序和（动态规划、贪心和分治法）

力扣53. 最大子序和（动态规划、贪心和分治法）

https://leetcode-cn.com/problems/maximum-subarray/

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。
进阶:

如果你已经实现复杂度为 O(n) 的解法，尝试使用更为精妙的分治法求解。

 

方法一：动态规划（Kadane 算法）

//当出现sum小于零的话，sum重新求和，从下一个i重新开始求和
//下一步是在知道当前位置的最大和后更新全局最大和
//时间复杂度：O(N)。只遍历了一次数组。
//空间复杂度：O(1)，使用了常数的空间

//动态规划（Kadane 算法）
//当出现sum小于零的话，sum重新求和，从下一个i重新开始求和
//下一步是在知道当前位置的最大和后更新全局最大和
//时间复杂度：O(N)。只遍历了一次数组。
//空间复杂度：O(1)，使用了常数的空间。

#include "stdafx.h"
#include<vector>
using namespace std;
class Solution
{
public:
	int maxSubArray(vector<int>& nums)
	{
		int n = nums.size();
		if (n == 0)return -2147483647;
		int summax = nums[0];
		int sum = 0;
		for (int i = 0; i < nums.size(); i++)
		{
			int numsi = nums[i];
			sum = sum + nums[i];
			//储存最大值，
			if (sum >= summax)
				summax = sum;
			//如果出现sum小于零的话，sum重新求和，从下一个i重新开始求和
			if (sum < 0)
				sum = 0;
		}
		return summax;
	}
};


int main()
{
	Solution s;
	vector<int> nums;
	nums.push_back(-2); nums.push_back(1); nums.push_back(-3); nums.push_back(4);
	nums.push_back(-1); nums.push_back(2); nums.push_back(1); nums.push_back(-5);
	nums.push_back(4);
	auto result = s.maxSubArray(nums);
	return 0;
}

二、贪心

 

 

 

 

三、分治法