LeetCode：53. 最大子序和（python）

LeetCode：53. 最大子序和（python）

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。

LeetCode 链接

思路：

• 动态规划

  • 记录当前位置前的子序列和状态

    • 若大于 0，表示有助于后序数字和的增加，则更新状态

    • 若小于（等于） 0，表示有损于（无益于）后序数字和的增加，则舍弃

  • 记录子序列和最大值

• 分治法

  • 最大子序和位于左子序、中间子序、右子序

附代码（Python3）：

• 动态规划

  class Solution:
      def maxSubArray(self, nums):
          if not nums:
              return None
          
          res = cur = nums[0]            # 初始化最大子序和、状态值
          for i in range(1, len(nums)):
              # 若 cur 大于 0，有助于后序数字和的增加，则更新 cur（叠加当前数字）；
              # 若 cur 小于（等于） 0，有损于（无益于）后序数字和的增加，则更新 cur 为当前数字
              if cur > 0:                  
                  cur += nums[i]
              else:
                  cur = nums[i]
              res = max(res, cur)         # 更新最大子序和
          return res
  

  test = Solution()
  nums = [-2,1,-3,4,-1,2,1,-5,4]
  test.maxSubArray(nums)
  

  6
  

• 分治法

  # 分治法
  class Solution:
      def maxSubArray(self, nums):
          n, mid = len(nums), len(nums)//2
          if n == 1:             
              return nums[0]     # 递归截止
          else:
              max_left = self.maxSubArray(nums[:mid])    # 左序列最大子序和
              max_right = self.maxSubArray(nums[mid:])   # 右序列最大子序和
          
          # 中间序列最大子序和（max_l + max_r）
          max_l = cur = nums[mid-1]                     # 初始化左中位数为左侧子序和最大值和状态值
          for i in range(mid-2, -1, -1):
              cur += nums[i]
              max_l = max(max_l, cur)
          max_r = cur = nums[mid]                       # 初始化右中位数为右侧子序和最大值和状态值
          for i in range(mid+1, n):
              cur += nums[i]
              max_r = max(max_r, cur)
          return max(max_left, max_right, max_l+max_r)
  

  test = Solution()
  nums = [-2,1,-3,4,-1,2,1,-5,4]
  test.maxSubArray(nums)
  

  6