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。