1. 问题描述
输入一个整型数组,数组中的一个或连续多个整数组成一个子数组。求所有子数组的和的最大值。要求时间复杂度为O(n)。
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。
leetcode 42.连续子数组的最大和
2. 问题分析
1. 动态规划
假设 nums \textit{nums} nums 数组的长度是 n n n,下标从 0 到 n−1。我们用 f ( i ) f(i) f(i) 代表以第 i i i 个数结尾的「连续子数组的最大和」,那么很显然我们要求的答案就是: max 0 ≤ i ≤ n − 1 { f ( i ) } \max_{0 \leq i \leq n-1} \{ f(i) \} 0≤i≤n−1max{f(i)}因此我们只需要求出每个位置的 f ( i ) f(i) f(i),然后返回 f f f 数组中的最大值即可。那么我们如何求 f ( i ) f(i) f(i) 呢?我们可以考虑 nums [ i ] \textit{nums}[i] nums[i] 单独成为一段还是加入 f ( i − 1 ) f(i-1) f(i−1) 对应的那一段,这取决于 nums [ i ] \textit{nums}[i] nums[i] 和 f ( i − 1 ) + nums [ i ] f(i-1) + \textit{nums}[i] f(i−1)+nums[i] 的大小,我们希望获得一个比较大的,于是可以写出这样的动态规划转移方程: f ( i ) = max { f ( i − 1 ) + nums [ i ] , nums [ i ] } f(i) = \max \{ f(i-1) + \textit{nums}[i], \textit{nums}[i] \} f(i)=max{f(i−1)+nums[i],nums[i]}不难给出一个时间复杂度 O ( n ) O(n) O(n)、空间复杂度 O ( n ) O(n) O(n) 的实现,即用一个 f f f 数组来保存 f ( i ) f(i) f(i) 的值,用一个循环求出所有 f ( i ) f(i) f(i)。考虑到 f ( i ) f(i) f(i) 只和 f ( i − 1 ) f(i-1) f(i−1) 相关,于是我们可以只用一个变量 pre \textit{pre} pre 来维护对于当前 f ( i ) f(i) f(i) 的 f ( i − 1 ) f(i-1) f(i−1) 的值是多少,从而让空间复杂度降低到 O ( 1 ) O(1) O(1),这有点类似「滚动数组」的思想。
class Solution {
public int maxSubArray(int[] nums) {
int pre = 0, maxAns = nums[0];
for (int x : nums) {
pre = Math.max(pre + x, x);
maxAns = Math.max(maxAns, pre);
}
return maxAns;
}
}
2. 分治法
这个分治方法类似于「线段树求解最长公共上升子序列问题」的 pushUp 操作。 当然,如果读者有兴趣的话,推荐阅读线段树区间合并法解决多次询问的「区间最长连续上升序列问题」和「区间最大子段和问题」,还是非常有趣的。
我们定义一个操作
g
e
t
(
a
,
l
,
r
)
get(a, l, r)
get(a,l,r) 表示查询
a
a
a 序列
[
l
,
r
]
[l,r]
[l,r] 区间内的最大子段和,那么最终我们要求的答案就是
g
e
t
(
n
u
m
s
,
0
,
n
u
m
s
.
s
i
z
e
(
)
−
1
)
get(nums, 0, nums.size() - 1)
get(nums,0,nums.size()−1)。如何分治实现这个操作呢?对于一个区间
[
l
,
r
]
[l,r]
[l,r],我们取
m
=
⌊
l
+
r
2
⌋
m = \lfloor \frac{l + r}{2} \rfloor
m=⌊2l+r⌋,对区间
[
l
,
m
]
[l,m]
[l,m] 和
[
m
+
1
,
r
]
[m+1,r]
[m+1,r] 分治求解。当递归逐层深入直到区间长度缩小为 1 的时候,递归「开始回升」。这个时候我们考虑如何通过
[
l
,
m
]
[l,m]
[l,m] 区间的信息和
[
m
+
1
,
r
]
[m+1,r]
[m+1,r] 区间的信息合并成区间
[
l
,
r
]
[l,r]
[l,r] 的信息。最关键的两个问题是:
我们要维护区间的哪些信息呢?我们如何合并这些信息呢?
对于一个区间
[
l
,
r
]
[l,r]
[l,r],我们可以维护四个量:
(1)
lSum
\textit{lSum}
lSum 表示
[
l
,
r
]
[l,r]
[l,r] 内以
l
l
l 为左端点的最大子段和
(2)
rSum
\textit{rSum}
rSum表示
[
l
,
r
]
[l,r]
[l,r] 内以
r
r
r 为右端点的最大子段和
(3)
mSum
\textit{mSum}
mSum 表示
[
l
,
r
]
[l,r]
[l,r] 内的最大子段和
(4)
iSum
\textit{iSum}
iSum 表示
[
l
,
r
]
[l,r]
[l,r] 的区间和
以下简称
[
l
,
m
]
[l,m]
[l,m] 为
[
l
,
r
]
[l,r]
[l,r] 的「左子区间」,
[
m
+
1
,
r
]
[m+1,r]
[m+1,r] 为
[
l
,
r
]
[l,r]
[l,r] 的「右子区间」。我们考虑如何维护这些量呢(如何通过左右子区间的信息合并得到
[
l
,
r
]
[l,r]
[l,r] 的信息)?对于长度为 1 的区间
[
i
,
i
]
[i, i]
[i,i],四个量的值都和
nums
[
i
]
\textit{nums}[i]
nums[i] 相等。对于长度大于 1 的区间:
首先最好维护的是
iSum
\textit{iSum}
iSum,区间
[
l
,
r
]
[l,r]
[l,r] 的
iSum
\textit{iSum}
iSum 就等于「左子区间」的
iSum
\textit{iSum}
iSum 加上「右子区间」的
iSum
\textit{iSum}
iSum。
对于
[
l
,
r
]
[l,r]
[l,r] 的
lSum
\textit{lSum}
lSum,存在两种可能,它要么等于「左子区间」的
lSum
\textit{lSum}
lSum,要么等于「左子区间」的
iSum
\textit{iSum}
iSum 加上「右子区间」的
lSum
\textit{lSum}
lSum,二者取大。
对于
[
l
,
r
]
[l,r]
[l,r] 的
rSum
\textit{rSum}
rSum,同理,它要么等于「右子区间」的
rSum
\textit{rSum}
rSum,要么等于「右子区间」的
iSum
\textit{iSum}
iSum 加上「左子区间」的
rSum
\textit{rSum}
rSum,二者取大。
当计算好上面的三个量之后,就很好计算
[
l
,
r
]
[l,r]
[l,r] 的
mSum
\textit{mSum}
mSum 了。我们可以考虑
[
l
,
r
]
[l,r]
[l,r] 的
mSum
\textit{mSum}
mSum 对应的区间是否跨越
m
m
m——它可能不跨越
m
m
m,也就是说
[
l
,
r
]
[l,r]
[l,r] 的
mSum
\textit{mSum}
mSum 可能是「左子区间」的
mSum
\textit{mSum}
mSum 和 「右子区间」的
mSum
\textit{mSum}
mSum 中的一个;它也可能跨越
m
m
m,可能是「左子区间」的
rSum
\textit{rSum}
rSum 和 「右子区间」的
lSum
\textit{lSum}
lSum 求和。三者取大。
这样问题就得到了解决
class Solution {
public class Status{ //内部类:定义Status类
public int lSum, rSum, mSum, iSum;
public Status(int lSum, int rSum, int mSum, int iSum){
this.lSum = lSum;
this.rSum = rSum;
this.mSum = mSum;
this.iSum = iSum;
}
}
public int maxSubArray(int[] nums){
return getInfo(nums, 0, nums.length - 1).mSum;
}
public Status getInfo(int[] a, int left, int right){ //递归更新左右状态信息
if(left == right) //此时数组只有一个元素
return new Status(a[left], a[left], a[left], a[left]);
int mid = (left + right) >> 1; //从中间划分区间
Status lSub = getInfo(a, left, mid); //求左边的状态
Status rSub = getInfo(a, mid + 1, right); //求右边的状态
return pushUp(lSub, rSub);
}
public Status pushUp(Status lSub, Status rSub) { //合并左右区间的信息
int iSum = lSub.iSum + rSub.iSum;
int lSum = Math.max(lSub.lSum, lSub.iSum + rSub.lSum);
int rSum = Math.max(rSub.rSum, rSub.iSum + lSub.rSum);
int mSum = Math.max(Math.max(lSub.mSum, rSub.mSum), lSub.rSum + rSub.lSum);
return new Status(lSum, rSum, mSum, iSum);
}
}