53. 最大子序和

该博客讨论了一种使用动态规划算法求解最大连续子数组和的问题。提供了两种解决方案,一种开销额外空间,另一种则在O(1)空间复杂度下完成。示例展示了不同输入情况下算法的运行效果,并详细解释了时间复杂度和空间复杂度。
摘要由CSDN通过智能技术生成

题目

给定一个整数数组 nums ,找到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。
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 。
示例 2:
输入:nums = [1]
输出:1
示例 3:
输入:nums = [0]
输出:0
示例 4:
输入:nums = [-1]
输出:-1
示例 5:
输入:nums = [-100000]
输出:-100000

思路

  • 状态定义:动态规划列表dp:dp[i]表示以nums[i]结尾的连续最大子数组和
  • 转移方程:
  1. dp[i-1]>0 : dp[i]=dp[i-1]+nums[i]
  2. dp[i-1]<=0 : dp[i]=numsi
  • 初始状态:dp[0]=nums[0]
  • 返回值dp列表最大
  • 开销额外空间
class Solution {
    public int maxSubArray(int[] nums) {
        int[] dp=new int[nums.length];
        dp[0]=nums[0];
        int max=dp[0];
        for(int i=1;i<nums.length;i++){
            dp[i]=Math.max(dp[i-1]+nums[i],nums[i]);
            max=Math.max(max,dp[i]);
        }

        return max;
    }
}

时间复杂度O(n)
空间复杂度O(n)

  • 不开销额外空间
class Solution {
    public int maxSubArray(int[] nums) {
        int res = nums[0];
        for(int i = 1; i < nums.length; i++) {
            nums[i] += Math.max(nums[i - 1], 0);
            res = Math.max(res, nums[i]);
        }
        return res;
    }
}

时间复杂度O(n)
空间复杂度O(1)

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值