剑指 Offer-42 连续子数组的最大和C++

--------------------------------二刷2021/1/25--------------------------
要注意dp观察的是前一个dp[i -1]有没有必要加上自己，而不是自己是不是大于0
----------------------------------一刷--------------------------------------
也就是最大子序列和问题，原来在LeetCode才算中等题

题目描述

解法 贪心算法

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        int len = nums.size() - 1;
        int flag = 0;
        int max = -1000000;
        int count = 0;
        int index = 0;
        for(int i = 0; i <= len; i ++) {
            if(nums[i] > 0)  {
                flag = 1;
                index = i;
                break;
            }
        }
        //如果都是负数直接取负数里面的最大值。
        if(flag == 0) {
        	for(int num : nums)
        		if(num > max) max = num;
        	return max;
        }
        for(int i = index ; i <= len ; i ++) {
        //遇到一个数字小于0，就保存一个记录，判断一下当前count会不会大于之前保存的count
            if(nums[i] < 0) {
                if(count > max) max = count;
                count += nums[i];
                //当count<0时说明这段子序列肯定不在最大子序列之中，将count设为0重新开始。
                if(count < 0) 
                    count = 0;
                continue;
            }
            //遇到一个数字大于0直接增加count
            count += nums[i];
        } 
        //如果在统计结束的时候没有遇到负数，max不会更新，所以结束之前增加一段判断。
        if(count > max) max = count;
        return max;
    }
};

时间复杂度O(n)，空间复杂度O(1),复杂度是没什么问题，但是代码写得稀烂
主要来说有两个可以优化的点
1.全负数情况
2.最后一次的判断
想了许久还是没有找到突破口，只能另寻其路

动态规划

显然这个题目很适合动态规划

1. dp数组含义
   dp[i]，以nums[i]为结尾的子序列的连续子数组最大和
2. dp方程
   根据dp[i-1]来判断
   如果dp[i-1]<=0 dp[i]=nums[i]
   如果dp[i-1]>0 dp[i]=nums[i]+dp[i-1]
3. 初始状态
   dp[0]= nums[0]

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        int len = nums.size();
        vector<int> dp (len, 0);
        dp[0] = nums[0];
        int m = nums[0],ans = nums[0];
        for(int i = 1; i < len; i ++) {
            if(dp[i - 1] <= 0) dp[i] = nums[i];
            else dp[i] = dp[i - 1] + nums[i];
            ans = max(ans,dp[i]);
        }
        return ans;
    }
};

这样需要O(N)的空间复杂度
看到大佬的题解说，由于dp[i]只用到了nums[i],所以可以将原数组作为dp数组,这样空间复杂度就可以降为O(1)

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        int len = nums.size();
        int ans = nums[0];
        for(int i = 1; i < len; i ++) {
            if(nums[i - 1] > 0)  nums[i] = nums[i - 1] + nums[i];
            ans = max(ans,nums[i]);
        }
        return ans;
    }
};