python3 leecode之最大子序之和

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:

输入: [-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。
进阶:

如果你已经实现复杂度为 O(n) 的解法，尝试使用更为精妙的分治法求解。

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/maximum-subarray
著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。

class Solution:
    def maxSubArray(self, nums: List[int]) -> int:
        max_sum = nums[0]
        for index, num in enumerate(nums):
            sum_num = 0
            for _ in nums[index:]:
                sum_num += _
                if sum_num > max_sum:
                    max_sum = sum_num
        return max_sum

结果：

执行用时 :8956 ms, 在所有 Python3 提交中击败了5.19%的用户

内存消耗 :14.4 MB, 在所有 Python3 提交中击败了6.35%的用户

思考：时间复杂度上来说属于两次遍历，属于O(n ^ 2)

先优化成O(n)

解题思路
对于每一个数，若前面的子数组和为正，则加上前面的子数组作为新的子数组，若为负则保留自身作为新的子数组；
每次遍历都与当前最大子数组和做比较，保留较大者。代码

class Solution:
    def maxSubArray(self, nums: List[int]) -> int:
        maxSum = tempSum= nums[0]
        for num in nums[1:]:
            tempSum = max(num, num + tempSum)
            maxSum = max(maxSum, tempSum)
        return maxSum

 

DP  

class Solution:
    def maxSubArray(self, nums: List[int]) -> int:
        for i in range(1, len(nums)):
            nums[i] = max(nums[i], nums[i] + nums[i-1])
        return max(nums)
"""
动态规划。
最重要的是搞清楚 dp 数组所存储元素的意义
存储的不是从 0 到 i 这个范围内所得到的最大的连续子数组的和，而是以 nums[i] 为结尾的子数组所能达到的最大的和。

[-2,1,-3,4,-1,2,1,-5,4]
-2 + 1 = -1 小于1 所以不变
[-2, 1, -3, 4, -1, 2, 1, -5, 4]
-3 + 1 = -2 大于-3 所以替换成-2
[-2, 1, -2, 4, -1, 2, 1, -5, 4]
4 + -2 = -2 小于4 所以4不变
[-2, 1, -2, 4, -1, 2, 1, -5, 4]
-1 + 4 = 3  大于-1 所以替换成3
[-2, 1, -2, 4, 3, 2, 1, -5, 4]
2 + 3 = 5  大于2  所以替换成5
[-2, 1, -2, 4, 3, 5, 1, -5, 4]
1 + 5 = 6  大于1 所以替换成6
[-2, 1, -2, 4, 3, 5, 6, -5, 4]
-5 + 6 = -1 小于6 所以不变
[-2, 1, -2, 4, 3, 5, 6, 1, 4]
4 + 1 = 5 大于4 所以替换成5
[-2, 1, -2, 4, 3, 5, 6, 1, 5]
"""