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.
这题是很典型的dp题,一维动态规划。所以给出以此进行的代码如下。
方法一:动态规划
int maxSubArray(vector<int> nums) {
int sum = 0, minSum = 0, maxSum = INT_MIN;
for (int i = 0; i < nums.size(); i++) {
sum += nums[i];
maxSum = max(maxSum, sum - minSum);
minSum = min(minSum, sum);
}
return maxSum;
}
sum不停做累加求和,代表了目前下标之前的所有元素的和。minSum统计在此之前最小的和,因为一段数组i到j的和可以看做是sum[j] - sum[i-1],所以maxSum不停的取sum-minSum的最大值就可以了。
这里值得注意的是minSum和maxSum的初值问题,minSum必须是0,maxSum不能是0。因为minSum的0代表了sum一个没加的状态,也就是存在最大和的数组从原始数组第一个开始的状态。maxSum如果是0,那么当数组都是负数的时候答案就错了。0不能随便作为初始值。
这种dp做法最为基本,也效率最大,线性检索一遍就可以。
方法二:另一种线性做法
int maxSubArray(vector<int> nums) {
int sum = 0, minSum = 0, maxSum = INT_MIN;
for (int i = 0; i < nums.size(); i++) {
if (sum < 0) sum = 0;
sum += nums[i];
maxSum = max(maxSum, sum);
}
return maxSum;
}
为什么当sum小于0舍去。我们移动下标,假设此时下标所在位置是子数组的右边界,我们能得到的最大的数组和,就等于此时的nums[i]加上前面的sum, 如果sum是负的明显还不如nums[i]自己了,所以我们遇到负的舍弃,只取正的,这样才能得到此时的最大。其实这也是一种动态规划,换汤不换药。
方法三:divide and conquer
这是我拿到后写的算法,因为这题跟之前的那个largest rectangle in histogram很像。还是把问题分为三类,通过中间点的最大和,左右小数组的最大和,很好写,复杂度O(nlogn),但是也是一种很重要的思路,在此列出。
int maxSubArray(vector<int>& nums) {
int n = nums.size();
return helper(nums, 0, n-1);
}
int helper(vector<int> &nums, int begin, int end) {
if (begin == end) return nums[begin];
int mid = begin + (end - begin) / 2;
int sum = nums[mid], max_sum = nums[mid];
int i, j;
for (i = mid+1; i <= end; i++) {
sum += nums[i];
max_sum = max(max_sum, sum);
}
sum = max_sum;
for (j = mid-1; j >= begin; j--) {
sum += nums[j];
max_sum = max(max_sum, sum);
}
int left_sum = INT_MIN, right_sum = INT_MIN;
//同样注意初值问题,合理使用INT_MIN和MAX,不用随便用0
if (mid + 1 <= end) right_sum = helper(nums, mid+1, end);
if (mid - 1 >= begin) left_sum = helper(nums, begin, mid-1);
return max(max_sum, max(left_sum, right_sum));
}