分治
思路:最大子序列和可能出现的地方
- 左半部分
- 右半部分
- 跨越中间的部分
所以我们可把问题分成对左右半部分进行递归求解,然后再将二者合并考虑即考虑中间部分,最后求出它们之间的最大值
class Solution {
public:
int maxSubArray(vector<int>& nums) {
int length=nums.size();
return maxSubSum(nums,0,length-1);
}
int maxSubSum(vector<int>& nums,int left,int right)
{
int MaxLeftSum,MaxRightSum;
int MaxLeftBorderSum,MaxRightBorderSum;
int LeftBorderSum,RightBorderSum;
int Center,i;
if(left==right)
{
return nums[left];
}
Center=(left+right)/2;
MaxLeftSum=maxSubSum(nums,left,Center);
MaxRightSum=maxSubSum(nums,Center+1,right);
MaxLeftBorderSum=INT_MIN;LeftBorderSum=0;
for(i=Center;i>=0;--i)
{
LeftBorderSum+=nums[i];
if(LeftBorderSum>MaxLeftBorderSum)
MaxLeftBorderSum=LeftBorderSum;
}
MaxRightBorderSum=INT_MIN;RightBorderSum=0;
for(i=Center+1;i<=right;++i)
{
RightBorderSum+=nums[i];
if(RightBorderSum>MaxRightBorderSum)
MaxRightBorderSum=RightBorderSum;
}
return max(max(MaxLeftSum,MaxRightSum),MaxRightBorderSum+MaxLeftBorderSum);
}
};
不过在leetcode上时间会超出限制,因为并不是O(N),而是O(NlogN)
动态规划法
class Solution {
public:
int maxSubArray(vector<int>& nums) {
int MaxSubSum=nums[0];
for(int i=1;i<nums.size();++i)
{
if(nums[i-1]>0)
{
nums[i]+=nums[i-1];
}
MaxSubSum=max(nums[i],MaxSubSum);
}
return MaxSubSum;
}
};
同样也是将问题分解,我们考虑两个数的情况;若第一个数的值小于0,那最后一个数不论是多少,加上之后都会减小,所以当遇到这种情况时不进行处理;相反,但前一个数大于0时,相加即可。
根据推论,我们就可以通过修改数组跟踪当前位置的最大值,在直到当前位置最大和后更新全局最大和。