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。
分治法【时间复杂度O(NlogN)】
概括来说,就是把数组分成两个序列,最大和子序列要么在左半部分,要么在右半部分,要么是横跨左右部分,也就是说包含左半部分的最后一个元素和右半部分的第一个元素。在求左半部分或者右半部分时又再次将序列拆分,如此循环。
* 拆分序列(直到只剩下一个数的序列) ----> 左序列|右序列
* 求左序列最大值
* 求右序列最大值
* 求跨边界的最大值
* 求以上三个最大值的最大值
* 不断重复
举个栗子:
* 假定存在以下序列
* {4 -3 5 -2}
*
* 做拆分
* {4 -3}{5 -2}
* 做拆分
* {4}{-3}
* 做拆分
* {4} 求得当前序列最大和为【4】
* 处理右边的{-3}
* {-3}小于0,所以返回0,则最大和为【0】
* 还有一种就是横跨左右序列的-3+4=【1】
* 它们被拆分之前是{4 -3},所以{4 -3}的最大和是max{4,0,1}=【4】
* 处理右边的
* {5 -2}
* 做拆分
* {5}{-2}
* 做拆分
* {5} 求得序列最大和为【5】
* 处理右边的{-2}
* {-2}小于0,所以返回0,最大和为【0】
* 还有一种就是横跨左右序列的-2+5=【3】
* 它们被拆分前是{5 -2},所以{5 -2}最大和是max{5,0,3}=【5】
* {4 -3}{5 -2}处理完毕,最大和分别是【4】【5】
* ------------------------------------------------------------
* 它们被拆分之前是{4 -3 | 5 -2}
* 先说结果:
* 左边的最大和(4 + (-3)) = 1
* 右边的最大和5
* 左右相加得【6】
*
* 为什么是左边4+(-3)呢?
* 首先以|为边界向左扫描求最大和
* 因为是从【中间向左】扫,第一个扫到的数是-3
* 再向左扫,是4,4比-3绝对值大吧!
* 要包含4,就必须把-3加上
* 因为要跨越边界,-3肯定要经过的,才能形成连续的序列。
* 左边扫描完了,就从【中间向右】扫
* 第一个发现5,扫向下一个,发现是-2,相加起来还不如一个5呢
* 于是就不要-2了。为什么可以不要?因为这是一个从左往右的序列~
* 而-2在最右边,当然是可以抛弃的了。
*
* 如果-2 后面还有一个数,比如3的话,是{5 -2 3},这时把三个数加起来是6,比5大,就需要把三个数都包含起来。
* 因为三个数加起来比5大恩。就是这个理。
*
* 此时可以知道{4 -3 | 5 -2},最大和是左边的1加上右边的5得到max{4,6,5}=【6】。
采用c++代码实现
//求三个数中的最大值
int max3(int a,int b,int c)
{
return a>b?(a>c?a:c):(b>c?b:c);
}
int maxsubarr(vector<int> &nums,int left,int right){
//定义 左右端最大值
int maxleft=0,maxright=0;
//定义左右端边界值
int leftborder=0,rightborder=0;
//定义左右端边界最大值
int maxleftborder=0,maxrightborder=0;
//递归出口,只剩一个数时
if(left==right)
return nums[left]>0?nums[left]:0;
int mid=(left+right)/2;
//左边递归
maxleft = maxsubarr(nums,left,mid);
//右边递归
maxright = maxsubarr(nums, mid+1, right);
//求左边届最大值
for(int i=mid;i>=left;i--){
leftborder+=nums[i];
if(leftborder>maxleftborder)
maxleftborder=leftborder;
}
//求右边届最大值
for(int i=mid+1;i<=right;i++){
rightborder+=nums[i];
if(rightborder>maxrightborder)
maxrightborder=rightborder;
}
return max3(maxleft,maxright,maxleftborder+maxrightborder);
}
int maxSubArr(vector<int>nums){
return maxsubarr(nums, 0, (int)nums.size()-1);
}
动态规划【时间复杂度O(N)】
步骤 1:令状态 dp[i] 表示以 A[i] 作为末尾的连续序列的最大和(这里是说 A[i] 必须作为连续序列的末尾)。
步骤 2:做如下考虑:因为 dp[i] 要求是必须以 A[i] 结尾的连续序列,那么只有两种情况:
- 这个最大和的连续序列只有一个元素,即以 A[i] 开始,以 A[i] 结尾。
- 这个最大和的连续序列有多个元素,即从前面某处 A[p] 开始 ,一直到 A[i] 结尾
- 对第一种情况,最大和就是 A[i] 本身,对第二种情况,最大和是 dp[i-1]+A[i]。
于是得到状态转移方程:
dp[i]=maxA[i],dp[i−1]+A[i]
d
p
[
i
]
=
m
a
x
A
[
i
]
,
d
p
[
i
−
1
]
+
A
[
i
]
这个式子只和 i 与 i 之前的元素有关,且边界为 dp[0] = A[0],由此从小到大枚举 i,即可得到整个 dp 数组。接着输出 dp[0],dp[1],…,dp[n-1] 中的最大子即为最大连续子序列的和。
采用c++代码实现
int maxSubArray(vector<int>& nums) {
int maxsum=0;
int *dp =new int[nums.size()];
dp[0]=nums[0];
maxsum=dp[0];
for(int i=1;i<nums.size();i++){
dp[i]=nums[i]+(dp[i-1]>0?dp[i-1]:0);
maxsum=maxsum>dp[i]?maxsum:dp[i];
}
return maxsum;
}