题目
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)。
测试样例
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。
思路分析
特征分析:
- 求最大值
- 存在一定的规律
尝试使用动态规划解决
状态定义:
n表示下标为n的那个数
dp[n] 为,以第n数结尾的,子数组集合中,和为最大,的那个子数组的和
转移方程:
- dp[n] 为n前一个dp[n-1] + num[n]
- 或者dp[n-1]为负数那么,直接dp[n] = num[n]
所以
dp[n] = max(num[n],dp[n-1] + num[n])
初始值
dp[0] = num[0]
代码
自顶向下使用
package 剑指offer.动态规划.offer42;
import java.util.Arrays;
import java.util.Collection;
import java.util.HashMap;
import java.util.Map;
//自顶向下结合记忆搜索,采用递归的方式书写
public class Solution {
public static void main(String[] args) {
Solution solution = new Solution();
int[] test ={-2,1,-3,4,-1,2,1,-5,4};
int res = solution.maxSubArray(test);
System.out.println(res);
}
/**
* 思路分析
* 1. 暴力循环
*
* 2. 优化暴力循环以及求解最大值问题考虑使用动态规划
*
* 含义:dp[n]表示前n个中以n结尾的子序列的最大值,要么就加上前面的最大子集,要么就是本身
* 转移方程: dp[n] = max(dp[n-1] + nums[n],nums[n])
* dp[0] = num[0];
* @param nums
* @return
*/
Map<Integer, Integer> remember = new HashMap<>();
public int maxSubArray(int[] nums) {
int res = 0;
int n = nums.length-1;
dp(n, nums);
//求存放的最大值
int length = remember.size();
Collection<Integer> values = remember.values();
Object[] objects = values.toArray();
Arrays.sort(objects);
res = (Integer)objects[length-1];
return res;
}
public int dp(int n,int[] nums){
int tempRes = 0;
if(n == 0){
tempRes = nums[0];
}
if(n >= 1){
if(remember.containsKey(n)){
tempRes = remember.get(n);
}else {
int beforeRes = dp(n-1,nums);
//这里一定要与自己进行比较,可以使用dp[1] = dp[0] + nums[1]如果dp[0]是负的,不如直接nums[1]
tempRes = Math.max(beforeRes + nums[n],nums[n]) ;
}
}
remember.put(n,tempRes);
return tempRes;
}
}
自底向上使用循环的方式
package 剑指offer.动态规划.offer42;
//自底向上顺着推
public class Solution1 {
public static void main(String[] args) {
Solution solution = new Solution();
int[] test ={-2,1,-3,4,-1,2,1,-5,4};
int res = solution.maxSubArray(test);
System.out.println(res);
}
public int maxSubArray(int[] nums) {
int[] dp = new int[nums.length];
dp[0] = nums[0];
int length = nums.length;
int res = dp[0];
for (int i = 1; i < length; i++) {
dp[i] = Math.max(nums[i],nums[i] + dp[i-1]);
res = Math.max(res,dp[i]);
}
return res;
}
}