LeetCode 53.最大子数组和

0505刷题

LeetCode 53.最大子数组和

LeetCode 53. 最大子数组和

方法1：贪心

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        int maxNum=INT_MIN;
        int sum=0;
        for(int i=0;i<nums.size();++i)
        {
            sum+=nums[i];
            if(sum>maxNum) maxNum=sum;
            // maxNum=max(sum,maxNum);
            if(sum<0) sum=0;
        }
        return maxNum;
    }
};

局部最优：当前“连续和”为负数的时候立刻放弃，从下一个元素重新计算“连续和”，因为负数加上下一个元素 “连续和”只会越来越小。

全局最优：选取最大“连续和”

局部最优的情况下，并记录最大的“连续和”，可以推出全局最优。

从代码角度上来讲：遍历nums，从头开始用count累积，如果count一旦加上nums[i]变为负数，那么就应该从nums[i+1]开始从0累积count了，因为已经变为负数的count，只会拖累总和。

这相当于是暴力解法中的不断调整最大子序和区间的起始位置。

那有同学问了，区间终止位置不用调整么？ 如何才能得到最大“连续和”呢？

区间的终止位置，其实就是如果count取到最大值了，及时记录下来了。例如如下代码：

if (count > result) result = count;

这样相当于是用result记录最大子序和区间和（变相的算是调整了终止位置）。

方法2：DP

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        if(nums.size()==0) return 0;
        //dp[i]：包括下标i之前的最大连续子序列和为dp[i]。
        vector<int> dp(nums.size(),0);
        dp[0]=nums[0];
        int result=dp[0];
        for(int i=1;i<nums.size();++i)
        {
            dp[i] = max(dp[i - 1] + nums[i], nums[i]); // 状态转移公式
            if(dp[i]>result) result=dp[i];
        }
        return result;
    }
};

动规五部曲如下：

1.确定dp数组（dp table）以及下标的含义

dp[i]：包括下标i之前的最大连续子序列和为dp[i]。

2.确定递推公式

dp[i]只有两个方向可以推出来：

• dp[i - 1] + nums[i]，即：nums[i]加入当前连续子序列和
• nums[i]，即：从头开始计算当前连续子序列和

一定是取最大的，所以dp[i] = max(dp[i - 1] + nums[i], nums[i]);

因为dp[i]定义为包括下标i之前的最大连续子序列和，则需要定义result，存储最大的子数组和。

3.dp数组如何初始化

从递推公式可以看出来dp[i]是依赖于dp[i - 1]的状态，dp[0]就是递推公式的基础。

dp[0]应该是多少呢?

根据dp[i]的定义，很明显dp[0]应为nums[0]即dp[0] = nums[0]。

4.确定遍历顺序

递推公式中dp[i]依赖于dp[i - 1]的状态，需要从前向后遍历。

5.举例推导dp数组。