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。
思路与代码
动态规划
dp[i] 表示以第i个结尾的最大序列和(至少包含nums[i],因为子序列比必定至少包含一个数)
动态转移:
- 如果dp[i-1] <= 0 则dp[i] = nums[i]
- 如果dp[i-1] > 0 则dp[i] = nums[i] + dp[i-1]
时间复杂度 O(n)
空间复杂度O(n)
class Solution { //有dp数组的形式
public int maxSubArray(int[] nums) {
int[] dp = new int[nums.length];
dp[0] = nums[0];
int max = nums[0];
for (int i = 1; i < nums.length; i++){
if (dp[i-1] > 0)
dp[i] = dp[i-1] + nums[i];
else dp[i] = nums[i];
max = Math.max(max, dp[i]);
}
return max;
}
}
时间复杂度 O(n)
空间复杂度O(1)
class Solution { //无dp数组的形式 sum表示以第i个结尾的最大序列和(相当于上面的dp[i])
public int maxSubArray(int[] nums) {
int max = nums[0];
int sum = 0;
for (int i = 0; i < nums.length; i++){
if (sum > 0) sum += nums[i];
else sum = nums[i];
max = Math.max(max, sum);
}
return max;
}
}
分治算法
这个分治方法类似于 线段树求解 LCIS 问题 的 pushUp 操作。(自行搜索)
对于一个区间 [l,r]
,我们可以维护四个量:
lSum
表示[l,r]
内以 ll 为左端点的最大子段和rSum
表示[l,r]
内以 rr 为右端点的最大子段和mSum
表示[l,r]
内的最大子段和iSum
表示[l,r]
的区间和
[l,m]
为 [l,r]
的「左子区间」,[m+1,r]
为 [l,r]
的「右子区间」
代码中getInfo(int[] nums, int l, int r)
方法是得到 [l,r]
区间的四个状态量,可以转化为由左子区间[l,r]
和右子区间`[m+1,r]的四个状态量合并得到。
当l == r
时,四个状态量相等。
class Solution {
public class Status {
public int lSum, rSum, mSum, iSum;
public Status(int lSum, int rSum, int mSum, int iSum) {
this.lSum = lSum;
this.rSum = rSum;
this.mSum = mSum;
this.iSum = iSum;
}
}
public int maxSubArray(int[] nums) {
return getInfo(nums, 0, nums.length - 1).mSum;
}
public Status getInfo(int[] a, int l, int r) {
if (l == r) {
return new Status(a[l], a[l], a[l], a[l]);
}
int m = (l + r) >> 1;
Status lSub = getInfo(a, l, m);
Status rSub = getInfo(a, m + 1, r);
return pushUp(lSub, rSub);
}
public Status pushUp(Status l, Status r) {
int iSum = l.iSum + r.iSum;
int lSum = Math.max(l.lSum, l.iSum + r.lSum);
int rSum = Math.max(r.rSum, r.iSum + l.rSum);
int mSum = Math.max(Math.max(l.mSum, r.mSum), l.rSum + r.lSum);
return new Status(lSum, rSum, mSum, iSum);
}
}