Leetcode053 最大子序和

给定一个整数数组 nums ，找到一个具有最大和的连续子数组（子数组最少包含一个元素），返回其最大和。

示例:

输入: [-2,1,-3,4,-1,2,1,-5,4],
输出: 6
解释: 连续子数组 [4,-1,2,1] 的和最大，为 6。

进阶:

如果你已经实现复杂度为 O(n) 的解法，尝试使用更为精妙的分治法求解。

 

一道标准的动态规划题。设置一个dp一维列表存放每前进一步时的最优解（本题中就是和），初始的dp[0]为nums的第一个值。dp列表的取值就是，当前这一步加上之前最优值、当前值中的最大值。不断循环至最后一个元素。最后找dp中的最大值。代码一次通过：

class Solution:
    def maxSubArray(self, nums):
        """
        :type nums: List[int]
        :rtype: int
        """

        if len(nums) == 0:
            return 0
        elif len(nums) == 1:
            return nums[0]

        dp = list(range(len(nums)))
        dp[0] = nums[0]
        
        for i in range(1, len(nums)):
            dp[i] = max((dp[i-1] + nums[i]), nums[i])

        return max(dp)

其实还想到一个问题，就是问到从哪里开始的这个最优子列表。想法是设置一个flag列表，每次使用自身值作为dp元素值时，把坐标给flag存进去。最后的最优求和值，对应着一个下标，这个下标正是最优子列表的结尾下标；而它之前的最后一个flag的存档，必然是最优子列表的其实下标。

分治算法没有尝试，看了网上的做法能理解大概意思。转一个分治算法过来：

class Solution(object): 
    def maxSubArray(self, nums): 
        """ 
        :type nums: List[int] 
        :rtype: int 
        """ 
        sum = 0 
         
        l = len(nums) 
        if l == 1: 
            return nums[0] 
         
        left = self.maxSubArray(nums[:l//2]) 
        right = self.maxSubArray(nums[l//2:]) 
         
        s1 = nums[(l//2)-1] 
        lsum = 0 
        for i in nums[:l//2][::-1]: 
            lsum += i 
            if lsum > s1: 
                s1 = lsum 
         
        s2 = nums[l//2] 
        rsum=0 
        for j in nums[l//2:]: 
            rsum += j 
            if rsum > s2: 
                s2 = rsum 
        sum = s1+s2 
        if sum<left: 
            sum = left 
        if sum<right: 
            sum = right 
        return sum

That's all！