题目描述:
给你一个整数数组 nums
,请你找出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。
子数组 是数组中的一个连续部分。
思路:
简单动态规划。用dp[i]表示以nums[i]结尾的最大子数组和。但是前i个元素的最大子数组和可能不包括nums[i]。
状态转移方程(描述子问题之间的联系)
根据状态的定义,由于 nums[i] 一定会被选取,并且以 nums[i] 结尾的连续子数组与以 nums[i - 1] 结尾的连续子数组只相差一个元素 nums[i] 。假设数组 nums 的值全都严格大于 00,那么一定有 dp[i] = dp[i - 1] + nums[i]。
可是 dp[i - 1] 有可能是负数,于是分类讨论:
如果 dp[i - 1] > 0,那么可以把 nums[i] 直接接在 dp[i - 1] 表示的那个数组的后面,得到和更大的连续子数组;
如果 dp[i - 1] <= 0,那么 nums[i] 加上前面的数 dp[i - 1] 以后值不会变大。于是 dp[i] 「另起炉灶」,此时单独的一个 nums[i] 的值,就是 dp[i]。
以上两种情况的最大值就是 dp[i] 的值,写出如下状态转移方程:dp[i] = \begin{cases} dp[i - 1] + nums[i], & if \quad dp[i - 1] > 0 \\ nums[i], & if \quad dp[i - 1] \le 0 \end{cases}
dp[i]={
dp[i−1]+nums[i],
nums[i],
ifdp[i−1]>0
ifdp[i−1]≤0
记为「状态转移方程 1」。
状态转移方程还可以这样写,反正求的是最大值,也不用分类讨论了,就这两种情况,取最大即可,因此还可以写出状态转移方程如下:
dp[i] = \max \{nums[i],\; dp[i - 1] + nums[i]\}
dp[i]=max{nums[i],dp[i−1]+nums[i]}记为「状态转移方程 2」。
作者:liweiwei1419
链接:https://leetcode-cn.com/problems/maximum-subarray/solution/dong-tai-gui-hua-fen-zhi-fa-python-dai-ma-java-dai/
来源:力扣(LeetCode)
著作权归作者所有商业转载请联系作者获得授权,非商业转载请注明出处。
代码:
int maxSubArray(int* nums, int numsSize){
int dp[100005]={nums[0]};
int maxsum=nums[0];
for(int i=0;i<numsSize-1;i++){
if(dp[i]+nums[i+1]>nums[i+1]){
dp[i+1]=dp[i]+nums[i+1];
}else{
dp[i+1]=nums[i+1];
}
maxsum=maxsum>dp[i+1]?maxsum:dp[i+1];
}
return maxsum;
}