Leetcode Maximum SubArray & Binary Tree Maximum Path Sum

发现这两道题运用了同一个思路，把它们放到一起

Problem: Maximum SubArray 

Find the contiguous subarray within an array (containing at least one number) which has the largest sum.

For example, given the array [−2,1,−3,4,−1,2,1,−5,4],
the contiguous subarray [4,−1,2,1] has the largest sum = 6.

Solve the Problem on Leetcode

分析：

我们这么想，当我们从头到尾遍历这个数组的时候，对于一个数组里的数字，它有几种选择呢？

它只有两种选择： 1. 加入之前的SubArray， 2. 自己另起一个SubArray

好，那什么时候会出现这两种情况呢。

注意我们是找累加的最大值，那么，

如果之前SubArray的总体和大于0的话，我们可以认为其对后续数字是有贡献的。这种情况下我们选择加入之前的SubArray

如果之前SubArray的总体和为0或者小于0的话，我们可以认为其对后续数字是没有贡献，甚至是有害的（小于0时）。这种情况下我们只能选择以这个数字开始，另起一个SubArray

明白了这点，代码就很好写了, sum记录之前SubArray的和，max用来返回最大值，当sum的值大于max时，说明发现和更大的SubArray序列，此时更新max的值。

public class Solution {
    public int maxSubArray(int[] A) {
        int max = Integer.MIN_VALUE;
        int sum = 0;
        for(int i=0; i<A.length; i++){
            sum = sum>0? sum + A[i]: A[i];
            max = Math.max(sum,max);
        }
        return max;
    }
}

明白了这个题，再看Binary Tree Maximum Path Sum 就非常直观了

Problem: Binary Tree Maximum Path Sum

Given a binary tree, find the maximum path sum.

The path may start and end at any node in the tree.

For example:
Given the below binary tree,

       1
      / \
     2   3

Return 6.

Solve the Problem on Leetcode

分析：

首先，我们应该注意到这个Path能从任意节点开始，到任意节点结束，不过不要被它吓住，仔细想想是不是和上面的题差不多

如果说Array只有一个方向的话，那么Binary Tree其实只是左，右两个方向而已，我们需要比较两个方向上的值

那好，如果说Array可以从头到尾遍历，那么Binary Tree怎么办呢，我们可以采用Binary Tree最常用的dfs来进行遍历

我们先上代码：

public class Solution { 			//代码是MITBBS里面Peking2二爷的思路
    int max;
    public int maxPathSum(TreeNode root) {
        max = Integer.MIN_VALUE;
        dfs(root);
        return max;
    }
    
    public int dfs(TreeNode root){
        if (root==null) return 0;
        int l = dfs(root.left);
        int r = dfs(root.right);
        int sum = root.val;
        if (l>0) sum += l;
        if (r>0) sum += r;
        max = Math.max(max,sum);
        return Math.max(r,l)>0?Math.max(r,l)+root.val:root.val;
    }
}

我们结合代码和下面这个图来进行说明

首先，L, R 是dfs返回的两个子分支的值我们先不提。对于sum，我们照搬第一题的思路

如果L大于0，那么对后续是有利的，我们加上L。 例如图中A节点，左子树大于0，那么更新最大路径的和为【B, A】的和

如果R大于0，那么对后续是有利的，我们加上R。例如图中A节点，右子树大于0，那么更新最大路径的和为【C, A】的和

如果L，R同时大于0，左右两边对后续都是有利的，我们两边都要，例如图中A节点，左右子树都大于0，那么更新最大路径的和为【B,A,C】的和

如果L，R都小于等于0，那么左右两边对后续都是无利甚至有害的，我们从这个节点，另起一个路径，例如图中的A节点，更新最大路径的和0为【A】的和

好了，sum怎么来的我们已经很清楚了，还有一点值得注意是在Return的语句里

return Math.max(r,l)>0?Math.max(r,l)+root.val:root.val;

可能有人疑惑了，为什么只返回一个方向的值呢？（如果Math.max(r,l)>0, 我们只返回这两个方向上最大值的方向）

我们需要明确sum 和 return 返回值的区别，还是举A节点的例子

对于sum，当我们两个方向的值都取得时候，路径是图中绿色笔的路径，是因为分析sum的时候我们是站在A节点的角度上分析的

而对于Return，A节点最后Return的时候，是返回到上一层D节点的递归中。重点是，Return方向是向上的。所以不会出现图中绿色的路径，只可能出现红色的两个路径中的一条（当Math.max(l,r)>0时）或者就一个D节点（当Math.max(l,r)<=0时）

这一点明确后，整个题就变得很直观了，最后记得持续更新max，当发现更大路径和的时候

这两个题放到一起，大家感受一下。