题目描述:求一个数组中子数组和的最大值,需要注意的是,子数组一定要是连续的
思 路1:传统解法中,这是一道典型的动态规划题目,利用最优子结构求解
- 当数组元素为0个时,返回最大值为0
- 当数组元素大于0个时,遍历数组,当前最优解为:max(上一个最优解 + 当前数组元素,当前数组元素)
- 全局最优解为:max(上一个全局最优解,当前最优解)
思 路2:分治法
- 将数组分成左右两部分,分别求最优解 lmax,rmax
- 然后从中间向左右两边扫描,再求出最优解 mmax
如有需要,请访问我的Github获取包含测试程序的C++源码。
//复杂度为O(n)的解法,动态规划
class Solution
{
public:
int maxSubArray(vector<int>& nums)
{
if(nums.size() == 0)
{
return 0;
}
int sum = nums[0];
int maxSum = nums[0];
for(int i = 1; i < nums.size(); i++)
{
sum = max(sum + nums[i], nums[i]);
maxSum = max(maxSum,sum);
}
return maxSum;
}
};
//复杂度为O(logn)的解法,分治法
class Solution {
public:
int maxSubArray(vector<int>& nums) {
if (nums.empty()) return 0;
return helper(nums, 0, (int)nums.size() - 1);
}
int helper(vector<int>& nums, int left, int right) {
if (left >= right) return nums[left];
int mid = left + (right - left) / 2;
int lmax = helper(nums, left, mid - 1);
int rmax = helper(nums, mid + 1, right);
int mmax = nums[mid], t = mmax;
for (int i = mid - 1; i >= left; --i) {
t += nums[i];
mmax = max(mmax, t);
}
t = mmax;
for (int i = mid + 1; i <= right; ++i) {
t += nums[i];
mmax = max(mmax, t);
}
return max(mmax, max(lmax, rmax));
}
};