LeetCode53-最大子序和

昨天终于是把动态规划算法的文章给写完了

现在是浑身轻松

虽然前几天被折磨的死去活来的

但看到自己写的文章

还是觉得十分满足

---

53-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。

思路：

这一题是很典型的动态规划题目了，动态规划是算法题中非常爱考的一个知识点。如果你能把它的套路学会了，那说简单也简单，如果你完全是迷迷糊糊的，那说难也是很难了。昨天刚好写了一篇关于求解动态规划算法的文章，里面详细介绍了关于动态规划解题步骤的东西，大家可以先看看。

https://blog.csdn.net/weixin_36431280/article/details/86616672

看完这篇文章之后，相信大家应该会有个大致的印象，具体的细节这儿我就不过费口舌了。本题我就其状态转移方程好好说说，文字公式较多，我就直接上图了。

但是整个数组的最大值不是直接通过标记列表flag_list得到的，需要另外设置一个max_num数作比较得到，具体的可见下面代码。

代码如下：

class Solution(object):
    # 本题采用动态规划的方法
    # 本题转移方程的情况稍多，需要分类讨论；主要是数组中出现0的情况；以及连续负数前后关联的情况需要好好考虑
    # 主要的转移方程就是：如果当前位置的数<0，则当前的标记列表元素为0；如果当前位置的数>0，则当前位置的标记列表元素为
    # 上一个非负数对应的标记列表元素+上一个非负数右面所有负数以及当前index-1位置的整数的和与当前index-1位置元素的最大值
    def maxSubArray(self, nums):
        """
        :type nums: List[int]
        :rtype: int
        """
        if len(nums) == 0:
            return 0
        # 定义一标记列表，长度为len(nums)+1，用来记录每个元素对应的连续元素的最大值
        flag_list = [0]*(len(nums)+1)
        flag_list[0] = 0
        # 该值用来记录flag_matrix列表中的最大值
        max_num = nums[0]
        start = 0
        for index in range(1, len(nums)+1):
            if nums[index-1] <= 0:
                max_num = max(max_num, nums[index-1])
                start += 1
            elif nums[index-1] > 0:
                # 获取当前index位置的上一个非负数的下标
                last_index = index - start-1
                # 获取上一个非负数右面所有负数以及当前index-1位置的整数的和
                all_sum = flag_list[last_index] + sum(nums[last_index: index])
                flag_list[index] = max(all_sum, nums[index-1])
                max_num = max(max_num, flag_list[index])
                start = 0
        # 这一步其实也很关键，因为我们的nums数组是去0数组的，所以如果最后得到的最大数为负数，而刚好nums数组里又刚好有0
        # 则最大数要更换为0
        if len(nums) < len(nums) and max_num < 0:
            max_num = 0
        return max_num


if __name__ == "__main__":
    nums = [1, 0, 0, 0, 3]
    max_length = Solution().maxSubArray(nums)
    print(max_length)

执行效率属于中等吧，在50%左右。

当然我给的方法是严格按照我总结的程式三步法来的，网上有很多大佬给出了更加简洁的版本，但是这个太考验算法功底了。尤其是对我这种菜鸟来说，虽然一看就懂，但你要让我自己去写，我估计想个十天半个月都想不到，火候还没到家啊！所以我建议还在上路的读者可以先用我的方法来，这个比较保稳。当然了，我还是想分享一下一个更简洁的版本，作为启发吧。

代码如下：

class Solution:
    # 本题是采用比较典型的动态规划算法解决的
    def maxSubArray(self, nums):
        """
        :type nums: List[int]
        :rtype: int
        """
        if len(nums) <= 1:
            return sum(nums)
        temp = 0
        max_num = nums[0]
        for index in nums:
            if temp < 0:
                temp = index
            else:
                temp += index
            max_num = max(max_num, temp)
        return max_num


if __name__ == "__main__":
    nums = [-2, 1, -3, -5]
    final_list = Solution().maxSubArray(nums)
    print(final_list)
        

执行效率在80%左右。