力扣打卡:53. 最大子数组和
解题思路
对于更高的递推,我个人觉得还是能够将暴力递归写出来,将自顶向下的动态规划写出来,能够熟练的写出来,能够熟练的分析出来后,再去尝试,否则 递归不是递归,递推也不是递推
暴力递归的状态分析:
- 对于数组的每一个元素,它的最大值必定是紧接相邻的元素的最大值
- 而紧接相邻元素的最大值必定是其紧接相邻的最大值
- 最终的结果是:到数组的末尾元素,子数组的最大值就是其自身
- 也就是从 每一个元素开始·
向后组合
·,以每个元素开始的子数组的最大值必定是每个元素(i)的值
+每个元素后面的元素(i+1)的最大值
basecase
就是,到数组的末尾元素,那么子数组的最大值就是其自身
注意
- 每次写暴力递归的时候,
状态转移就是给出的行为或者是动作
,如果一会儿看不出来,那么模拟一下流程,观看和什么有关
- 再想想是不是每次都是这种类似的场景,如果是,那么这个就是状态转移的过程,也就是当前状态和子问题的联系
代码
class Solution{
public int maxSubArray(int[] nums) {
// 暴力递归的方式
// int max = Integer.MIN_VALUE;
// for(int i=0; i<nums.length; i++){
// max = Math.max(max, planA(nums, i));
// }
// return max;
int max = Integer.MIN_VALUE;
int[] memo = new int[nums.length];
Arrays.fill(memo, 10001); // 用无关的数组进行填充,方便进行判断
for(int i=0; i<nums.length; i++){
max = Math.max(max, planB(memo, nums, i));
}
return max;
}
// 写暴力递归的时候不想任何的优化,
// 写暴力递归函数时,定义的函数就是可以得到自己希望的结果
// 对于每一个元素(i+1),我希望得到其后面的元素(i+1)的子数组最大值(调用函数即可)
// 每次写暴力递归的时候,状态转移就是给出的行为或者是动作,如果一会儿看不出来,那么模拟一下流程,观看和什么有关
// 再想想是不是每次都是这种类似的场景,如果是,那么这个就是状态转移的过程,也就是当前状态和子问题的联系
public int planA(int[] nums, int i){
if(i==nums.length-1) return nums[i]; // basecase 对于最后一个元素,最大的子数组的值就是其本身
int subAns = planA(nums, i+1);
return Math.max(nums[i], nums[i]+subAns); // 得到最大的子数组
}
// 写出了暴力递归的流程,那么自顶向下的动态规划也就是多了判断和记录的两个过程
// 对于数组的每一个元素,都有一个子数组的最大值,那么memo就是存取这些子数组的最大值
// 长度为nums.length
public int planB(int[] memo, int[] nums, int i){
if(i==nums.length-1) return nums[i]; // 最后一个元素的最大子数组和就是其本身
if(memo[i] != 10001) return memo[i]; // 在 i != nums.length 的基础上,判断是否已经计算过了
int subAns = planB(memo, nums, i+1); // 得到子问题的结果
memo[i] = Math.max(nums[i], nums[i]+subAns); // 得到子数组的最大值,将最大值储存在memo中
return memo[i];
}
}