01 题目描述
给你一个整数数组 nums
,请你找出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。
子数组 是数组中的一个连续部分。
02 示例
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 = [5,4,-1,7,8]
输出:23
提示:
1 <= nums.length <= 10^5
-10^4 <= nums[i] <= 10^4
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。
03 C++代码
方法一:动态规划
class Solution {
public:
int maxSubArray(vector<int>& nums) {
// 动态规划思路
int pre = 0, max_Ans = nums[0];
// 其中pre这个变量用来维护对于当前f(i)的f(i-1)的值是多少,最终的空间复杂度降到了O(1).
for (const auto x: nums){
pre = max (pre + x, x);
max_Ans = max(max_Ans, pre);
}
return max_Ans;
}
};
复杂度分析:
- 时间复杂度:O(N),其中N是nums数组的长度。我们只需要遍历一遍数组即可求得答案。
- 空间复杂度:O(1)。
方法二:分治法 五大常用算法之一:分治算法 - 红脸书生 - 博客园
分治策略是:对于一个规模为n的问题,若该问题可以容易地解决(比如说规模n较小)则直接解决,否则将其分解为k个规模较小的子问题,这些子问题互相独立且与原问题形式相同,递归地解这些子问题,然后将各子问题的解合并得到原问题的解。这种算法设计策略叫做分治法。
class Solution {
public:
struct Status{
int lSum, rSum, mSum, iSum;
};
Status pushUp(Status l, Status r){
int iSum = l.iSum + r.iSum;
int lSum = max(l.lSum, l.iSum + r.lSum);
int rSum = max(r.rSum, r.iSum + l.rSum);
int mSum = max(max(l.mSum, r.mSum), l.rSum + r.lSum);
return (Status) {lSum, rSum, mSum, iSum};
};
Status get(vector<int> &a, int l, int r) {
if(l == r){
return (Status) {a[l], a[l], a[l], a[l]};
}
int m = (l + r) >> 1;
Status lSub = get(a, l, m);
Status rSub = get(a, m + 1, r);
return pushUp(lSub, rSub);
}
int maxSubArray(vector<int>& nums) {
return get(nums, 0, nums.size() - 1).mSum;
}
};
复杂度分析:
假设序列a的长度为n。
- 时间复杂度:假设我们把递归的过程看作是一颗二叉树的先序遍历,那么这颗二叉树的深度的渐进上界为O(logn),这里的总时间相当于遍历这颗二叉树的所有节点,故总时间的渐进上界是
,故渐进时间复杂度为O(n)。
- 空间复杂度:递归会使用O(logn)的栈空间,故渐进空间复杂度为O(logn)。
04 一点感想
真的难吗(我也不知道),加油鸭
05 刷题进度
学习目标:坚持刷题 坚持刷题 坚持刷题!!!
那写看似毫无波澜的日复一日,会在某一天 让你突然发现努力的意义。
无悔昨天 & 感谢今天 & 喜欢明天~
一以贯之的努力,不得懈怠的人生。每天的微小积累,会决定最终的结果,这 就是答案!