public class Solution {
public int maxSubArray(int[] nums) {
if(nums.length==0)return 0;
int[][] table = new int[nums.length][nums.length];
for(int i=0; i<nums.length; i++){
table[i][0]=nums[0];
}
int max = nums[0];
for(int i=0; i<nums.length; i++){
if(nums[i]>max){
max=nums[i];
}
table[0][i]=max;
}
for(int i=1;i<nums.length;i++){
for(int j=1;j<nums.length;j++){
table[j][i]=Math.max(table[j-1][i-1]+nums[i],table[j][i-1]);
}
}
return table[nums.length-1][nums.length-1];
}
}
一开始用了两个参数的dp,复杂度有点高,达到了O(n2)。
看到了别人的解答,一个参数的dp也可以解决
public class Solution {
public int maxSubArray(int[] nums) {
int max = Integer.MIN_VALUE;
int[] dp = new int[nums.length+1];
for(int i=1; i<=nums.length; i++) {
dp[i] = Math.max(nums[i-1], nums[i-1]+dp[i-1]);
max = Math.max(max, dp[i]);
}
return max;
}
}
定义存在理想解opt(i)为[0, i]范围内连续子列的最大和。
那么opt(i+1)时有如下两种情况:
mums[i+1]属于最大连续子列,那么opt(i+1)=opt(i)+mums[i+1];
mums[i+1]不属于最大连续子列,那么从这个数起应该重新计一个新的子列,那么mums[i+1]就是新子列的第一个数,可得opt(i+1)=nums(i+1)
recursive formula:opt(i+1)=max{opt(i)+mums[i+1], nums(i+1)}
再从中取到最大的一个子列和
FightOn!