目录
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:
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