【学习笔记】--超经典动态规划--LeetCode53.最Da子数组和

Rcary

已于 2022-03-23 08:57:54 修改

阅读量1k

点赞数

于 2022-03-21 21:58:04 首次发布

本文链接：https://blog.csdn.net/rcary/article/details/123646612

版权

学习 java 动态规划力扣算法

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;
    }
}