leetcode_Maximum Subarray _medium(最大子数组的和)

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.

参考了编程之美2.14的方法。

1.i,j 两层循环（通过最里边求和时的技巧，减少了最里边求和的重复计算，但复杂度为O(n*n)

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        int max=0,len=nums.size();
        int sum=0;
        for(int i=0; i<len; i++)
        {
            sum=0;
            for(int j=i; j<len; j++)
            {
                sum+=nums[j];
                if(sum>max)
                    max=sum;
            }
        }
        return max;
    }
};

下面的，再次减少重复计算，但是复杂度也是O(n^2)

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        int max=0,len=nums.size();
        vector<int> iVec(len,0);
        iVec[0]=nums[0];
        for(int j=1; j<len; j++)
        {
            iVec[j]=iVec[j-1]+nums[j];
            if(iVec[j]>max)
                max=iVec[j];
        }
            
        for(int i=1; i<len; i++)
        {
            for(int j=i; j<len; j++)
            {
                iVec[j]-=nums[i-1];
                if(iVec[j]>max)
                    max=iVec[j];
            }
        }
        return max;
    }
};

2.受到分治方法的启发，利用动态规划的方法，复杂度为O(n)

class Solution {
public:
    inline int myMax(int a,int b)
    {
        return a>b?a:b;
    }
    int maxSubArray(vector<int>& nums) {
        int n=nums.size();
        int iAll=nums[n-1],iStart=nums[n-1];
        for(int i=n-2; i>=0; i--)
        {
            //动态规划
            iStart=myMax(nums[i],nums[i]+iStart);
            iAll=myMax(iStart,iAll);
        }
        return iAll;
    }
};