LeetCode 53 - 最大子序列

题目描述
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。
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。

解法一：贪心（python）

时间复杂度： $\mathcal{O}(N)$
空间复杂度： $\mathcal{O}(1)$

class Solution:
    def maxSubArray(self, nums: List[int]) -> int:
        n =len(nums)
        curr_sum = max_sum =nums[0]

        for i in range(1, n):
            curr_sum = max(nums[i], curr_sum+nums[i])
            max_sum = max(max_sum, curr_sum)
        
        return max_sum

解法二：动态规划（Kadanes Algorithm)

在整个数组或在固定大小的滑动窗口中找到总和或最大值或最小值的问题可以通过动态规划（DP）在线性时间内解决。

有两种标准 DP 方法适用于数组：

• 常数空间，沿数组移动并在原数组修改。
• 线性空间，首先沿 left->right 方向移动，然后再沿 right->left 方向移动。 合并结果。

我们在这里使用第一种方法，因为可以修改数组跟踪当前位置的最大和。
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： $\mathcal{O}(N)$
空间复杂度： $\mathcal{O}(1)$

class Solution:
    def maxSubArray(self, nums: List[int]) -> int:
        n = len(nums)
        maxsum = nums[0]
        for i in range(1, n):
            if nums[i-1]>0:
                nums[i] += nums[i-1]
            maxsum = max(nums[i], maxsum)
        return maxsum

过程解析：

分治法（Python）

下面是用分治法解决问题的模板：

• 定义基本情况。
• 将问题分解为子问题并递归地解决它们。
• 合并子问题的解以获得原始问题的解。
  
  时间复杂度： $\mathcal{O}(N\log N)$
  空间复杂度： $\mathcal{O}(\log N)$，递归时栈使用的空间。

class Solution:
    def maxSubArray(self, nums: List[int]) -> int:
        n = len(nums)
        if n==1:
            return nums[0]
        else:
            max_left = self.maxSubArray(nums[0:n//2])
            max_right = self.maxSubArray(nums[n//2:n])

        #计算中间的最大子序和，从右到左计算左边的最大子序和，从左到右计算右边的最大子序和，再相加
        max_l = nums[n//2-1]
        tmp = 0
        for i in range(n//2-1, -1, -1):
            tmp += nums[i]
            max_l = max(tmp, max_l)

        max_r = nums[n//2]
        tmp = 0
        for i in range(n//2, n):
            tmp += nums[i]
            max_r = max(tmp, max_r)

        return max(max_left, max_right, max_l+max_r)