python求解连续子数组的最大和(暴力、动态规划、贪心、分治)

​​​​​

目录

1 问题

2 测试用例

3 求解

3.1 暴力1

3.2 暴力2

3.3 暴力3

3.4 动态规划

3.5 贪心算法

3.6 分治


1 问题

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 1:
输入:nums = [-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 。

示例 2:
输入:nums = [1]
输出:1

示例 3:
输入:nums = [0]
输出:0

示例 4:
输入:nums = [-1]
输出:-1

示例 5:
输入:nums = [-100000]
输出:-100000

提示:
1 <= nums.length <= 3 * 104
-105 <= nums[i] <= 105

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。

2 测试用例

nums = [-2, 1, -3, 4, -1, 2, 1, -5, 4]  # 6
# nums = [0]
# nums = [-1, -2]
# nums = [1]
# nums = [-100000]
# nums = [5, 4, -1, 7, 8]     # 23
# nums = [2, -1, 2, 1, 3, -2, 1, 2, 1, -2]  # 9
# nums = [9, -4, 2, -5, 8]        # 10
# nums = [-1,-2]

3 求解

3.1 暴力1

解析:

分别计算子数组个数为1,2,...n 时最大子数组和。每个子数组和都计算一遍。

代码:

    # 我的题解: 暴力方法超时
    """
    举例,不断取最大                           max
    -2  1   -3  4   -1  2   1   -5  4       4
    -1  -2  1   3   1   3   -4  -1          3
    -4  2   0   5   2   -2  -8              5
    0   1   2   6   -3  2                   6
    -1  3   3   1   1                       3
    1   4   -2  5                           5
    2   -1  2                               2
    -3  3                                   3
    1                                       1

    """

    def maxSubArray1(self, nums: List[int]):
        arr = [num for num in nums]
        max_num = max(nums)
        if len(nums) == 1:
            return max_num
        for i in range(0, len(nums) - 1):
            arr.pop(len(arr) - 1)
            for j in range(len(arr)):
                arr[j] = arr[j] + nums[j + 1 + i]
            max_num = max(max_num, max(arr))
        return max_num

3.2 暴力2

解析:

将数组转化为 正负......正负正 的形式,可以加快 暴力求解速度。

代码:


    # 我的题解: 暴力方法 未超时
    """
    1. 两个相邻的数同号可以合并
    2. 如果两端有负数,去掉,保证正数占段头段尾
    由此转化成正负数相间的形式
    """
    """
    执行用时:3048 ms, 在所有 Python3 提交中击败了5.06%的用户
    内存消耗:15.4 MB, 在所有 Python3 提交中击败了47.65%的用户
    """

    def maxSubArray2(self, nums: List[int]):
        # 数组中没有正数就没有合并的必要了
        tag = False
        for num in nums:
            if num > 0:
                tag = True
        if not tag:
            return max(nums)
        # 合并相邻同号的数
        i = 0
        while i < len(nums) - 1:
            if nums[i] * nums[i + 1] >= 0:  # 有0的话也合并
                nums[i] += nums[i + 1]
                nums.pop(i + 1)
                continue
            i += 1
        # 去头尾负数
        if nums[0] < 0:
            nums.pop(0)
        if nums[len(nums) - 1] < 0:
            nums.pop(len(nums) - 1)
        # 求最大
        max_num = 0
        length = len(nums)
        for k in range(0, length, 2):  # 以偶数的形式迭代, 由nums[k]起始
            sum_num = nums[k]
            max_num = max(max_num, sum_num)
            for i in range(2, length, 2):  # nums[k]后的i个数
                if k + i < length:
                    sum_num += nums[k + i] + nums[k + i - 1]
                    max_num = max(max_num, sum_num)
        return max_num

3.3 暴力3

解析:

不断在数组中加入一个新数,每加入一个新数,计算一下当前最大的子序和。

代码:

    # 我的题解: 暴力方式 超出时间限制, 没有突破到动态规划的方法上是因为,复用了以前数列的最大子序和,而不是以某个数结尾的最大子序和
    def maxSubArray3(self, nums: List[int]):
        # 已有数组中加入一个新数后,计算该数组的最大子序和
        def func(nums, num, max_num):
            new_max = float("-inf")
            sum_num = num
            for i in range(len(nums) - 1, -1, -1):
                sum_num += nums[i]
                new_max = max(new_max, sum_num)
            return max(max_num, num, new_max)

        if len(nums) == 1:
            return nums[0]
        max_num = nums[0]  # 当前数组最大子序和
        new_nums = []
        new_nums.append(nums[0])
        for i in range(1, len(nums)):
            max_num = func(new_nums, nums[i], max_num)
            new_nums.append(nums[i])
        return max_num

3.4 动态规划

解析:

https://leetcode-cn.com/problems/maximum-subarray/solution/zui-da-zi-xu-he-by-leetcode-solution/

代码:

    #  动态规划
    """
    执行用时:44 ms, 在所有 Python3 提交中击败了57.49%的用户
    内存消耗:15.2 MB, 在所有 Python3 提交中击败了92.81%的用户
    """

    def maxSubArray4(self, nums: List[int]):
        pre = 0  # 以某个数结尾的最大数组和
        max_nums = nums[0]  # 当前数组的最大子序和
        for num in nums:
            pre = max(pre + num, num)  # 不断迭代 pre 十分关键
            max_nums = max(max_nums, pre)
        return max_nums

3.5 贪心算法

解析:

https://leetcode-cn.com/problems/maximum-subarray/solution/hua-jie-suan-fa-53-zui-da-zi-xu-he-by-guanpengchn/

代码:

    #  贪心算法
    """
    如果 sum > 0,则说明 sum 对结果有增益效果,则 sum 保留并加上当前遍历数字
    如果 sum <= 0,则说明 sum 对结果无增益效果,需要舍弃,则 sum 直接更新为当前遍历数字
    """
    """
    执行用时:36 ms, 在所有 Python3 提交中击败了87.58%的用户
    内存消耗:15.6 MB, 在所有 Python3 提交中击败了15.76%的用户
    """
    def maxSubArray5(self, nums: List[int]):
        max_nums = nums[0]
        sum = 0
        for num in nums:
            sum = sum + num if sum > 0 else num
            max_nums = max(max_nums, sum)
        return max_nums

3.6 分治

解析:

https://leetcode-cn.com/problems/maximum-subarray/solution/zui-da-zi-xu-he-by-leetcode-solution/

代码:

    #  分治
    """
    lSum 表示 [l,r][l,r] 内以 ll 为左端点的最大子段和
    rSum 表示 [l,r][l,r] 内以 rr 为右端点的最大子段和
    mSum 表示 [l,r][l,r] 内的最大子段和
    iSum 表示 [l,r][l,r] 的区间和
    """
    """
    执行用时:72 ms, 在所有 Python3 提交中击败了5.01%的用户
    内存消耗:15.4 MB, 在所有 Python3 提交中击败了42.36%的用户
    """

    def maxSubArray6(self, nums: List[int]):
        # 查询序列arr[l,r]的最大字段和 左闭右闭
        def getInfo(arr, l, r):
            if l == r:
                return Status(arr[l], arr[l], arr[l], arr[l])
            mid = int((l + r) / 2)
            lSub = getInfo(arr, l, mid)
            rSub = getInfo(arr, mid + 1, r)

            iSum = lSub.iSum + rSub.iSum
            lSum = max(lSub.lSum, lSub.iSum + rSub.lSum)  # lSum = max(lSub.lSum, lSub.lSum + rSub.lSum)
            rSum = max(lSub.rSum + rSub.iSum, rSub.rSum)
            mSum = max(lSub.mSum, rSub.mSum, lSub.rSum + rSub.lSum)
            return Status(lSum, rSum, mSum, iSum)

        return getInfo(nums, 0, len(nums) - 1).mSum

  • 7
    点赞
  • 35
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值