LeetCode--53.最大子数组和

LeetCode--53.最大子数组和

在此题中，官方给出的解法是分治法和动态规划算法，但是本人现在还未系统全面的学习动态规划和算法， 现阶段只能以自己的思想去做，以下为本人的两种做法：

一，暴力遍历

int maxSubArray(int* nums, int numsSize){
    int i=0,sum=*(nums);
    while(i<=numsSize-1)
    {
        for(;i<numsSize;i++)
        {
            if(nums[i]>sum)//主要是对全为负的情况的处理
            sum=nums[i];
            if(*(nums+i)<=0)
            {
                continue;
            }
            break;
        }
        if(i>=numsSize-1||numsSize==1)
        break;
       nums[i+1]=nums[i]+nums[i+1];
       i++;     
    }
    return sum;             
}

         虽理解起来复杂一点，但是整体只需遍历一次。如果数组开头是负数，可以直接跳过，因为将其与下一个数相加时不论怎么样都会拉低“和”，所以其肯定不是我们要找的。然后以此类推，直到碰到数组中的第一个正数（数组中数字全为负数的情况我们之后进行讨论）。碰到正数的时候我们可以判断，其与下一个数相加是否小于0，若小于0，则将这两数之和看成一个负数，则和之前的情况一样处理。

        但是这个方法实在过于复杂，特别是当数组全为负等极端情况，需要做出的额外的思考特别多 ，但是这里归零之后不用再将sum归零重置，因为continue已经相当于归零了。

        然后我们进一步思考，既然我们知道为只要前一段数字和为0，则其再相加反而无益，那我们就应该将其全部舍弃，但是，在这一段数字和变成零之前，最大和可能已经出现，所以我们要时刻比较sum与max的大小，这就是第二种解法：

二，暴力遍历（优化）

 

int maxSubArray(int* nums, int numsSize){
    int i=0,sum=0,max=nums[0];
    for(i=0;i<numsSize;i++)
    {
        sum+=nums[i];
        if(sum>max)
        {
            max=sum;
        }
        if(sum<=0)
        {
            sum=0;
        }
    }
    return max;             
}

一旦出现sum<0的情况，应当将sum置为0，重新开始寻找，其实就是第一种方法的简化法，但是更好理解。