题目链接:https://leetcode-cn.com/problems/maximum-subarray/
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。
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 。
1 暴力法 O(n3)
思路:连续子数组的和 = 左端点 到 右端点之间的和
先固定左端点,再固定右端点,然后扫其中的元素,得到所有子序列,然后求子序列的和
class Solution {
public int maxSubArray(int[] nums) {
int max = Integer.MIN_VALUE; // 整型最小值
for (int i = 0; i < nums.length; i++) { // 固定左端点
for (int j = i; j < nums.length; j++) { // 固定右端点
int sum = 0;
for (int k = i; k < j; k++) { // 计算中间和
sum += nums[k];
if (sum > max) max = sum;
}
}
}
return max;
}
}
实际上中间元素有重复计算,优化一下可以到O(n2)
class Solution {
public int maxSubArray(int[] nums) {
int max = Integer.MIN_VALUE;
for (int i = 0; i < nums.length; i++) {
int sum = 0;
for (int j = i; j < nums.length; j++) {
sum += nums[j];
if (sum > max) max = sum;
}
}
return max;
}
}
不幸的是,这两种在leetcode上都超时
2 扫描法O(n)
思路:正数才对结果有积极影响。判断当前元素是不是正数,是就加,不是就取当前元素和前序和的较大值。
class Solution {
public int maxSubArray(int[] nums) {
int max = nums[0];
int current = nums[0];
for (int i = 1; i< nums.length; i++) {
if (current < 0) {
current = nums[i]; //当前数小于0 肯定会舍去(否则将会影响接下来的和),换为下一个数
} else {
current += nums[i]; //如果当前数不小于0,那么他会对接下来的和有积极影响
}
if (current > max) max = current; // 这里就是取前序和当前值的较大值
}
return max;
}
}
3 动态规划 O(n)
思路:动态规划最重要是递推公式,找到递推公式就是成功了50%。
递推公式:前序和 、前序和+当前元素,两者谁大就取谁
f(i) = Max{ f(i-1), f(i-1) + nums[i] }
然后再比较,较大值和max,把大的结果赋值给max
max = Max{ f(i), max }
class Solution {
public int maxSubArray(int[] nums) {
int pre = 0;
int max = nums[0];
for (int i = 0; i < nums.length; i++) {
// 动态规划,递推公式的体现
pre = Math.max(nums[i] , pre + nums[i]);
// 把较大值赋给结果
if (pre > max) max = pre;
}
return max;
}
}
或者这样写
class Solution {
public int maxSubArray(int[] nums) {
int pre = nums[0];
int max = nums[0];
for (int i = 1 ; i < nums.length; i++) {
pre = Math.max(pre + nums[i], nums[i]);
max = Math.max(max, pre);
}
return max;
}
}