动态规划-最大子数组-python

题目：

题解：

按照动态规划常规思想，一般是这样定义 dp 数组，nums[0..i] 中的「最大的子数组和」为 dp[i]

但是你能用 dp[i] 推出 dp[i+1] 吗？

比如，一个数组[-3,4,-1,2,-6,1,4]，dp[4]=dp[1] +dp[2] +dp[3]=5,也就是说从0~4个位置的最大子数组的和是5，那你能通过dp[4]推到出dp[5]么？

实际上是不行的，因为子数组一定是连续的，按照我们当前 dp 数组定义，并不能保证 nums[0..i] 中的最大子数组与 nums[i+1] 是相邻的，也就没办法从 dp[i] 推导出 dp[i+1]

我们就要重新定义 dp 数组的含义：

以 nums[i] 为结尾的「最大子数组和」为 dp[i]

想得到整个 nums 数组的「最大子数组和」，需要一个变量来记录最大值

 

代码：

def max_sub_array(arr):
    dp = [1] * len(arr)
    # base case
    dp[0] = arr[0]
    # 记录最大值
    max_value = dp[0]
    for i in range(0, len(dp)):
        # 因为dp[i]表示arr[i] 为结尾的「最大子数组和」，所以判断一下dp[i-1]与当前arr[i]的和，
        # 如果比arr[i]小，则dp[i]就等于arr[i]
        # 否则dp[i]就等于arr[i]+dp[i-1]
        if dp[i - 1] + arr[i] < arr[i]:
            dp[i] = arr[i]
        else:
            dp[i] = arr[i] + dp[i - 1]
        # 用一个字段来记录一下当前最大值，因为dp[i]并不是记录的到i为止的最大值
        if dp[i] > max_value:
            max_value = dp[i]
    return max_value


if __name__ == '__main__':
    arr = [-3, 4, -1, 2, -6, 1, 4]
    result = max_sub_array(arr)
    print(result)