来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/maximum-subarray
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。
这题是在学习数据结构的课程中的第一讲习题,所以利用了PTA平台提交测试结果,仅作为个人记录~欢迎交流 😃
题目描述53
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。
算法3: 在线处理–单层循环
这里需要注意的点是将 MaxSum
的初始值设置为 INT_MIN
。
如果将其初始值设置为0
,则在诸如[-1,-2]
情况时不能正确输出结果,会返回0
。
可以养成一个习惯:在求最大值最小值问题时,注意关注初始值的设置问题。
int maxSubArray(int* nums, int numsSize){
int ThisSum=0,MaxSum=INT_MIN;
for(int i=0;i<numsSize;i++)
{
ThisSum += nums[i];
if(ThisSum>MaxSum)
MaxSum = ThisSum;
if(ThisSum<0)
ThisSum = 0;
}
return MaxSum;
}
只利用一层循环,时间复杂度为O(n)
;
只用到了常数空间 空间复杂度为O(1)
;
PTA 平台测试结果
算法2:分治法
#include <iostream>
#include <climits>
using namespace std;
int Max3(int A, int B, int C)
{
if(A>B)
return A>C?A:C;
else
return B>C?B:C;
}
//分治法
int DivideAndConquer(int List[], int left, int right)
{
//递归的终止条件,子列只有一个数字
if(left==right)
return List[left];
//分别存放左子列和右子列的最大值
int MaxLeftSum, MaxRightSum;
int center;
//下面是“分”的过程
center = (left + right) / 2;
//通过递归求每次二分后两边子列的最大和
MaxLeftSum = DivideAndConquer(List, left, center);
MaxRightSum = DivideAndConquer(List, center+1, right);
//求跨分界线的最大子列和
int MaxLeftBorderSum=INT_MIN, MaxRightBorderSum=INT_MIN;
int LeftBorderSum=0, RightBorderSum=0;
//从中线向左扫描
for(int i=center; i>=left; i--)
{
LeftBorderSum += List[i];
if(LeftBorderSum > MaxLeftBorderSum)
MaxLeftBorderSum = LeftBorderSum;
}
//从中线向右扫描
for(int i=center+1; i<=right; i++)
{
RightBorderSum += List[i];
if( RightBorderSum > MaxRightBorderSum)
MaxRightBorderSum = RightBorderSum;
}
return Max3(MaxLeftSum, MaxRightSum, MaxLeftBorderSum+MaxRightBorderSum);
}
int MaxSeqSum2(int List[], int N)
{
return DivideAndConquer(List, 0, N-1);
}
int main()
{
int n;
cin>>n;
cin.get();
int a[n];
for(int i=0;i<n;i++)
{
cin>>a[i];
}
int ans;
ans = MaxSeqSum2(a,n);
cout << ans << endl;
}
PTA平台测试结果
算法1:暴力解法–双层循环
int maxSubArray(int* nums, int numsSize){
int ThisSum,MaxSum=INT_MIN;
for(int i=0; i<numsSize; i++)
{
ThisSum=0;
for(int j=i; j<numsSize; j++)
{
ThisSum += nums[j];
if(ThisSum > MaxSum)
MaxSum = ThisSum;
}
}
return MaxSum;
}
PTA平台提交代码
#include <iostream>
#include <climits>
using namespace std;
int MaxSeqSum1(int a[],int n)
{
int ThisSum,MaxSum=INT_MIN;
for(int i=0; i<n; i++)
{
ThisSum=0;
for(int j=i; j<n; j++)
{
ThisSum += a[j];
if(ThisSum > MaxSum)
MaxSum = ThisSum;
}
}
return MaxSum;
}
int main()
{
int n;
cin>>n;
cin.get();
int a[n];
for(int i=0;i<n;i++)
{
cin>>a[i];
}
int ans1;
ans1 = MaxSeqSum1(a,n);
cout << ans1 << endl;
return 0;
}
运用了双层循环,时间复杂度为O(
n
2
n^2
n2)。
通过下图可以发现,在1000内,两者效率相差不大,但是当数据规模较大时,算法3的效率具有显著优势