2021-5-30 连续子数组的最大和【简单题 剑指Offer 42】

【解析】
(源自leetcode题解)
连续子数组的最大和问题，用到动态规划方法：

状态定义：
设动态规划列表 dp ，dp[i]代表以元素 nums[i]为结尾的连续子数组最大和。

转移方程： （维护nums每个位置的dp）
若dp[i-1] ≤0 ，说明 dp[i - 1]对 dp[i]产生负贡献，即 dp[i-1] + nums[i]还不如 nums[i] 本身大，此时的dp[i]要和前面的dp[i-1]脱离关系，重新开始计算了，此时的dp[i]即为当前的nums[i]。

• 当 dp[i - 1] > 0时：执行 dp[i] = dp[i-1] + nums[i]；
• 当 dp[i - 1] ≤0 时：执行 dp[i] = nums[i]；

初始状态：
dp[0] = nums[0]，即以 nums[0]结尾的连续子数组最大和为 nums[0] 。

返回值： （每次都要将当前的dp和max比较，维护最大值，即为最大的子数组的和）
返回 dp 列表中的最大值，代表全局最大值。

时间复杂度 O(N)： 线性遍历数组 numsnums 即可获得结果，使用 O(N)时间。
空间复杂度 O(1)：> 使用常数大小的额外空间。

注：空间复杂度降低：
由于 dp[i]只与 dp[i-1]和 nums[i] 有关系，因此可以将原数组 nums 用作 dp 列表，即直接在 nums 上修改即可。
由于省去 dp列表使用的额外空间，因此空间复杂度从 O(N)降至 O(1) 。

class Solution {
    public int maxSubArray(int[] nums) {
        int res = nums[0];
        for(int i = 1; i < nums.length; i++) {
            nums[i] += Math.max(nums[i - 1], 0);
            res = Math.max(res, nums[i]);
        }
        return res;
    }
}

自己的代码

class Solution {
    public int maxSubArray(int[] nums) {
        int len = nums.length;
        int[] dp = new int[len];
        dp[0] = nums[0];
        int max = dp[0];
        for(int i=1; i<len; i++){ //计算每一位置的dp
            if(dp[i-1] > 0){  //如果前面的dp大于0，更新当前位置的dp
                dp[i] = dp[i-1] + nums[i]; 
            }else{ //否则当前的dp就要重新计算，即为当前的nums[i]
                dp[i] = nums[i];
            }
            max = Math.max(dp[i], max); //维护最大值，每次都要看当前的dp有没有新高
        }
        return max;
    }
}