Maximum Subarray
Given an integer array nums, find the contiguous subarray (containing at least one number) which has the largest sum and return its sum.
Input: [-2,1,-3,4,-1,2,1,-5,4],
Output: 6
Explanation: [4,-1,2,1] has the largest sum = 6.
分治法
三个阶段
划分:整个问题划分为多个子问题
求解:递归求解各个子问题
合并:合并子问题的解,形成原始问题的解
答案会出现的地方
1、数组的左半部分最大序列和
2、数组的右半部分最大序列和
3、横跨左右部分的最大序列和
/**
author:monkey
time:2020-2-19
*/
public int maxSubArray(int[] nums) {
return MaxSum(nums,0,(nums.length-1));
}
public int MaxSum(int nums[],int left,int right){
if(left == right){
return nums[left];
}//递归基准结束条件
int mid;
mid = (right + left)/2;//中间点
int MaxLeftSum;
MaxLeftSum = MaxSum(nums,left,mid);//递归,左半边部分的最大子序列和
int MaxRightSum;
MaxRightSum = MaxSum(nums,mid+1,right);//递归,右半边部分的最大子序列和
/*
从中间开始往左边循环加,找出中间到左边最大的序列和
*/
int MaxmidLeftSum = 0;//从中间往左边加
int midLeftBorder = nums[mid];//左边假定子序列为单个索引mid最大
for(int i = mid;i >= left;i--){
MaxmidLeftSum += nums[i];
if(MaxmidLeftSum > midLeftBorder){
midLeftBorder = MaxmidLeftSum;
}
}
/*
从中间开始往右边循环加,找出中间到右边最大的序列和
*/
int MaxmidRightSum = 0;
int midRightBorder = nums[mid+1];//右边假定子序列为单个索引mid+1最大
for(int i = mid+1;i <= right;i++){
MaxmidRightSum += nums[i];
if(MaxmidRightSum > midRightBorder){
midRightBorder = MaxmidRightSum;
}
}
/*
最后比较左边部分最大子序列、右边部分最大子序列、跨左右部分的最大子序列
*/
return Integer.max(Integer.max(midLeftBorder+midRightBorder,MaxLeftSum),MaxRightSum);
}
测试
import java.util.Scanner;
public class Test4 {
public static int maxSubArray(int[] nums) {
return MaxSum(nums,0,(nums.length-1));
}
public static int MaxSum(int nums[],int left,int right){
if(left == right){
return nums[left];
}//递归基准结束条件
int mid;
mid = (right + left)/2;//中间点
int MaxLeftSum;
MaxLeftSum = MaxSum(nums,left,mid);//递归,左半边部分的最大子序列和
int MaxRightSum;
MaxRightSum = MaxSum(nums,mid+1,right);//递归,右半边部分的最大子序列和
/*
从中间开始往左边循环加,找出中间到左边最大的序列和
*/
int MaxmidLeftSum = 0;//从中间往左边加
int midLeftBorder = nums[mid];//左边假定子序列为单个索引mid最大
for(int i = mid;i >= left;i--){
MaxmidLeftSum += nums[i];
if(MaxmidLeftSum > midLeftBorder){
midLeftBorder = MaxmidLeftSum;
}
}
/*
从中间开始往右边循环加,找出中间到右边最大的序列和
*/
int MaxmidRightSum = 0;
int midRightBorder = nums[mid+1];//右边假定子序列为单个索引mid+1最大
for(int i = mid+1;i <= right;i++){
MaxmidRightSum += nums[i];
if(MaxmidRightSum > midRightBorder){
midRightBorder = MaxmidRightSum;
}
}
/*
最后比较左边部分最大子序列、右边部分最大子序列、跨左右部分的最大子序列
*/
return Integer.max(Integer.max(midLeftBorder+midRightBorder,MaxLeftSum),MaxRightSum);
}
public static void main(String[] args) {
Scanner sc = new Scanner(System.in);
while(true){
System.out.print("请输入你的序列个数:");
int cnt = sc.nextInt();
if(cnt == 0){
break;
}
int num[] = new int[cnt];
System.out.print("请输入一段序列:");
for(int i = 0;i < cnt ;i++){
num[i] = sc.nextInt();
}
int res = maxSubArray(num);
System.out.println("该序列的最大子序列和为:"+res);
}
}
}
有一说一,明明分治法复杂…
动态规划
标准动态规划方程.java
时间复杂度O(n),空间复杂度O(n)
public static int maxSubArray(int[] nums){
if (nums == null || nums.length == 0) return 0;
int res = 0;
//1.状态定义,dp[i]表示包含第i项的前i项和最大值
int[] dp = new int[nums.length];
//2.状态初始化,数组中的第一个元素的最大和就是其本身
dp[0] = nums[0];
res = nums[0];
//3.状态转移方程 dp[i] = max(dp[i-1],0) + nums[i]
for (int i = 1;i < nums.length;i++){
dp[i] = Math.max(dp[i-1],0)+nums[i];
res = Math.max(res,dp[i]);
}
return res;
}
优化测试.java
时间复杂度O(n),空间复杂度O(1)
package monkey.study.test;
import java.util.Scanner;
public class Test1 {
/* 动态算法 - - 最大子序和*/
public static int maxSubArray(int[] nums){
if (nums == null | nums.length == 0) return 0;
int res = 0;
int currSum = nums[0]; //之前和
res = nums[0]; //当前和
for (int i = 1; i < nums.length; i++){
currSum = Math.max(currSum,0) + nums[i]; //每一次比较,如果有负数加上去肯定更小,那就不加
res = Math.max(res,currSum);//这里更新最大子序列和
}
return res;
}
/*测试*/
public static void main(String[] args) {
Scanner sc = new Scanner(System.in);
System.out.print("请输入数组长度:");
int len = sc.nextInt();
System.out.print("请输入数组:");
int[] nums = new int[len];
for (int i = 0;i < len;i++){
nums[i] = sc.nextInt();
}
int res = maxSubArray(nums);
System.out.println("最长子序段和为:"+res);
}
}
通过遍历累加这个数组元素,每一次遍历更新最大字段和res,如果当前累加数为负数,直接舍弃,重置为0,然后接着遍历。(为什么要舍弃置为0?如果当前和currSum是负数,那么当下一个数组元素是正数时,比负数大的多,才舍弃置位0加上下一个正数元素;当下一个数组元素是负数时,currSum加上一个负数就更小了,那不如不加,直接置位0),或许突然想出,万一全是负数,后面的负数小于前年的负数呢?(不是已经置为0了吗,置为0每一次都在更新,res的每一次更新都会与之前res与当前currSum进行对比)
以上算法,我们以[-2,1,-3,4,-1,2,1,-5,4]为例,将以上算法演示一遍。更新currSum=nums[0]=-2,res=nums[0]是个负数,遍历数组,从第二个数据开始(下标为1),将当前和与0比较,如果之前和是负数,则不加上去,但加上当前下标数据,再更新当前和与结果和的结果
i=1,currSum=-2<0,更新currSum=0+nums[1]=1,更新res=1
i=2,currSum=1 > 0,更新currSum=1+nums[2]=-2,更新res=1
i=3,currSum=-2 <0,更新currSum=0+nums[3]=4,更新res=4
i=4,currSum=4 >0 ,更新currSum=4+nums[4]=3,更新res=4
i=5,currSum=3 >0,更新currSum=3+nums[5]=5,更新res=5
i=6,currSum=5>0,更新currSum=5+nums[6]=6,更新res=6
i=7,currSum=6 >0,更新currSum=6+nums[7]=1,更新res=6
i=8,currSum=1>0,更新currSum=1+nums[8]=5,更新res=6
最终结果是6
复杂度分析:
算法只有一个for循环,时间复杂度为O(n),空间复杂度为O(1)
其他方法
传统思想解决:双重for循环,外层循环定位子序列开头,内层循环寻找子序列,循环比较此次的子序列和和上一个子序列的和(只多了一个数),复杂
//C传统思想暴力解决
//执行600ms(ps:这个执行时间有点恐怖!)
//消耗内存7.5MB
int maxSubArray(int* nums, int numsSize){
int max;
int i=0;
int temp=nums[0];//假设第一个数字是最大,temp全局
for(;i<numsSize;i++){
int sum = 0;
for(int j=i;j<numsSize;j++){
sum += nums[j];
if(sum >= temp){
max = sum;
temp = sum;//将最大数赋值给temp,作比较
}
}
}
return max;
}
没有使用双重循环。
求最大序列和,如果碰到负数,那么这个序列和会减小
nums[i-1]不是数组i-1这一项,而存储的是在到第i-1项之前的最大子序列和,跟0比较是如果nums[i-1]为整数,可以和当前下标为i的数据相加构成最大子序列和,同时赋值给nums[i],为下一次的循环的做好前一项的存储最大子序列和做准备。
//Java
//执行1ms
//消耗内存48.6MB
public int maxSubArray(int[] nums) {
if(nums.length == 0){
return 0;
}
int max = nums[0];//假设第一个最大
for(int i=1;i<nums.length;i++){
nums[i] += Math.max(nums[i-1],0);
max = Math.max(max,nums[i]);
}
return max;
}
//java另一种方法,妙啊
//执行用时1ms
//消耗内存42.2MB
public int maxSubArray(int[] nums) {
int max = nums[0];
int sum = 0;
//增强for循环
for(int num : nums){
if(sum>0){
sum += num;
}else{
sum = num;
}
max = Math.max(max,sum);
}
return max;
}