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。
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 = [5,4,-1,7,8]
- 输出:23
提示:
1 <= nums.length <= 105
-104 <= nums[i] <= 104
来源:力扣(LeetCode)
动态规划最先思考点:
- 状态定义为什么?
- 每个状态能由几个状态而来?
这里就不赘述 动态规划 的三个重要性质的介绍,大家需要看的话可以前往 我之前写的博客,这里有赘述。
我们知道动态规划都是求解最优问题,并且由最优子结构可知,每层状态都是此层最优解。
由此可定义为:
- dp[ i ] 是 以 i 结尾的子数组最大和
接下来就是第二步 分析由几个状态(实际就是推敲转移方程了)
- dp[ i ] 的值可以由 num[ i ] 和 dp[i - 1] + num[ i ] ,但我们要求的是最大值
- 所以可得: dp[i] = Max( num[ i ] ,dp[i - 1] + num[ i ] )
通俗解答 :
新来的num[ i ]不知道该何去何从 不知道是自己立一个队伍,还是加入前一个队伍(但都是末尾):
- 如果自己另起队伍 要证明自己 比 前一个队伍大! 也就是牛逼!
- 如果自己不牛逼 那只能老老实实去做前一个的队伍的小跟班 起码能抱大腿!
所以每个状态都要投入到好的结果中(对应最优子结构)
class Solution {
public int maxSubArray(int[] nums) {
int n = nums.length, res = nums[0];
int[] dp = new int[n]; //此题新不新建dp都行 只是为了方便理解噢 当然最好不新建 因为编程有个不更改传入数据的习惯
dp[0] = nums[0];
for (int i = 1; i < n; i++) {
dp[i] = Math.max(dp[i - 1] + nums[i], nums[i]); //动态转移方程
res = Math.max(res, dp[i]);//从最优子结构中得到最优解。
}
return res;
}
}
一题多解 ! 一定要掌握的贪心解法 :点我进入~
此代码时间复杂度O(N) 空间复杂度O(N)
进阶:你能在不修改num[i]数组的情况下,将空间复杂度下降至O(1)吗?