最大子序列和是一道经典的算法题, leetcode 也有原题《53.maximum-sum-subarray》,今天我们就来彻底攻克它。
题目描述
求取数组中最大连续子序列和,例如给定数组为 A = [1, 3, -2, 4, -5], 则最大连续子序列和为 6,即 1 + 3 +(-2)+ 4 = 6。去
首先我们来明确一下题意。
题目说的子数组是连续的
题目只需要求和,不需要返回子数组的具体位置。
数组中的元素是整数,但是可能是正数,负数和 0。
子序列的最小长度为 1。
比如:
对于数组 [1, -2, 3, 5, -3, 2], 应该返回 3 + 5 = 8
对于数组 [0, -2, 3, 5, -1, 2], 应该返回 3 + 5 + -1 + 2 = 9
对于数组 [-9, -2, -3, -5, -3], 应该返回 -2
解法一 - 暴力法(超时法)
一般情况下,先从暴力解分析,然后再进行一步步的优化。
思路
我们来试下最直接的方法,就是计算所有的子序列的和,然后取出最大值。记 Sum[i,....,j]为数组 A 中第 i 个元素到第 j 个元素的和,其中 0 <= i <= j < n, 遍历所有可能的 Sum[i,....,j] 即可。
我们去枚举以 0,1,2...n-1 开头的所有子序列即可, 对于每一个开头的子序列,我们都去枚举从当前开始到 n-1 的所有情况。
这种做法的时间复杂度为 O(N^2), 空间复杂度为 O(1)。
代码
JavaScript:
functionLSS(list){
constlen=list.length;
let max=-Number.MAX_VALUE;
let sum=0;
for(let i=0;i
sum=0;
for(let j=i;j
sum+=list[j];
if(sum>max){
max=sum;
}
}
}
returnmax;
}
Java:
classMaximumSubarrayPrefixSum{
publicintmaxSubArray(int[]nums){
intlen=nums.length;
intmaxSum=Integer.MIN_VALUE;
intsum=0;
for(inti=0;i
sum=0;
for(intj=i;j
sum+=nums[j];
maxSum=Math.max(maxSum,sum);
}
}
returnmaxSum;
}
}
Python 3:
importsys
classSolution:
defmaxSubArray(self,nums:List[int])->int:
n=len(nums)
maxSum=-sys.maxsize
sum=0
foriinrange(n):
sum=0
forjinrange(i,n):
sum+=nums[j]
maxSum=max(maxSum,sum)
returnmaxSum
空间复杂度非常理想,但是时间复杂度有点高。怎么优化呢?我们来看下下一个解法。
解法二 - 分治法
思路
我们来分析一下这个问题, 我们先把数组平均分成左右两部分。
此时有三种情况:
最大子序列全部在数组左部分
最大子序列全部在数组右部分
最大子序列横跨左右数组
对于前两种情况,我们相当于将原问题转化为了规模更小的同样问题。
对于第三种情况,由于已知循环的起点(即中点),我们只需要进行一次循环,分别找出 左边和右边的最大子序列即可。
所以一个思路就是我们每次都对数组分成左右两部分,然后分别计算上面三种情况的最大子序列和, 取出最大的即可。
举例说明,如下图:
(by snowan)
这种做法的时间复杂度为 O(N*logN), 空间复杂度为 O(1)。
代码
JavaScript:
functionhelper(list,m,n){
if(m===n)returnlist[m];
let sum=0;
let lmax=-Number.MAX_VALUE;
let rmax=-Number.MAX_VALUE;
constmid=((n-m)>>1)+m;
constl=helper(list,m,mid);
constr=helper(list,mid+1,n);
for(let i=mid;i>=m;i--){
sum+=list[i];
if(sum>lmax)lmax=sum;
}
sum=0;
for(let i=mid+1;i<=n;i++){
sum+=list[i];
if(sum>rmax)rmax=sum;
}
returnMath.max(l,r,lmax+rmax);
}
functionLSS(list){
returnhelper(list,0,list.length-1);
}
Java:
classMaximumSubarrayDivideConquer{
publicintmaxSubArrayDividConquer(int[]nums){
if(nums==null||nums.length==0)return0;
returnhelper(nums,0,nums.length-1);
}
privateinthelper(int[]nums,intl,intr){
if(l>r)returnInteger.MIN_VALUE;
intmid=(l+r)>>>1;
intleft=helper(nums,l,mid-1);
intright=helper(nums,mid+1,r);
intleftMaxSum=0;
intsum=0;
// left surfix maxSum start from index mid - 1 to l
for(inti=mid-1;i>=l;i--){
sum+=nums[i];
leftMaxSum=Math.max(leftMaxSum,sum);
}
intrightMaxSum=0;
sum=0;
// right prefix maxSum start from index mid + 1 to r
for(inti=mid+1;i<=r;i++){
sum+=nums[i];
rightMaxSum=Math.max(sum,rightMaxSum);
}
// max(left, right, crossSum)
returnMath.max(leftMaxSum+rightMaxSum+nums[mid],Math.max(left,right));
}
}
Python 3 :
importsys
classSolution:
defmaxSubArray(self,nums:List[int])->int:
returnself.helper(nums,0,len(nums)-1)
defhelper(self,nums,l,r):
ifl>r:
return-sys.maxsize
mid=(l+r)//2
left=self.helper(nums,l,mid-1)
right=self.helper(nums,mid+1,r)
left_suffix_max_sum=right_prefix_max_sum=0
sum=0
foriinreversed(range(l,mid)):
sum+=nums[i]
left_suffix_max_sum=max(left_suffix_max_sum,sum)
sum=0
foriinrange(mid+1,r+1):
sum+=nums[i]
right_prefix_max_sum=max(right_prefix_max_sum,sum)
cross_max_sum=left_suffix_max_sum+right_prefix_max_sum+nums[mid]
returnmax(cross_max_sum,left,right)
解法三 - 动态规划
思路
我们来思考一下这个问题, 看能不能将其拆解为规模更小的同样问题,并且能找出 递推关系。
我们不妨假设问题 Q(list, i) 表示 list 中以索引 i 结尾的情况下最大子序列和, 那么原问题就转化为 Q(list, i), 其中 i = 0,1,2...n-1 中的最大值。
我们继续来看下递归关系,即 Q(list, i)和 Q(list, i - 1)的关系, 即如何根据 Q(list, i - 1) 推导出 Q(list, i)。
如果已知 Q(list, i - 1), 我们可以将问题分为两种情况,即以索引为 i 的元素终止, 或者只有一个索引为 i 的元素。
如果以索引为 i 的元素终止, 那么就是 Q(list, i - 1) + list[i]
如果只有一个索引为 i 的元素,那么就是 list[i]
分析到这里,递推关系就很明朗了,即 Q(list,i)=Math.max(0,Q(list,i-1))+list[i]
举例说明,如下图:
(by snowan)
这种算法的时间复杂度 O(N), 空间复杂度为 O(1)
代码
JavaScript:
functionLSS(list){
constlen=list.length;
let max=list[0];
for(let i=1;i
list[i]=Math.max(0,list[i-1])+list[i];
if(list[i]>max)max=list[i];
}
returnmax;
}
Java:
classMaximumSubarrayDP{
publicintmaxSubArray(int[]nums){
intcurrMaxSum=nums[0];
intmaxSum=nums[0];
for(inti=1;i
currMaxSum=Math.max(currMaxSum+nums[i],nums[i]);
maxSum=Math.max(maxSum,currMaxSum);
}
returnmaxSum;
}
}
Python 3:
classSolution:
defmaxSubArray(self,nums:List[int])->int:
n=len(nums)
max_sum_ending_curr_index=max_sum=nums[0]
foriinrange(1,n):
max_sum_ending_curr_index=max(max_sum_ending_curr_index+nums[i],nums[i])
max_sum=max(max_sum_ending_curr_index,max_sum)
returnmax_sum
解法四 - 数学分析
思路
我们来通过数学分析来看一下这个题目。
我们定义函数 S(i) ,它的功能是计算以 0(包括 0)开始加到 i(包括 i)的值。
那么 S(j) - S(i - 1) 就等于 从 i 开始(包括 i)加到 j(包括 j)的值。
我们进一步分析,实际上我们只需要遍历一次计算出所有的 S(i), 其中 i 等于 0,1,2....,n-1。然后我们再减去之前的 S(k),其中 k 等于 0,1,i - 1,中的最小值即可。因此我们需要 用一个变量来维护这个最小值,还需要一个变量维护最大值。
这种算法的时间复杂度 O(N), 空间复杂度为 O(1)。
其实很多题目,都有这样的思想, 比如之前的《每日一题 - 电梯问题》。
代码
JavaScript:
functionLSS(list){
constlen=list.length;
let max=list[0];
let min=0;
let sum=0;
for(let i=0;i
sum+=list[i];
if(sum-min>max)max=sum-min;
if(sum
min=sum;
}
}
returnmax;
}
Java:
classMaxSumSubarray{
publicintmaxSubArray3(int[]nums){
intmaxSum=nums[0];
intsum=0;
intminSum=0;
for(intnum:nums){
// prefix Sum
sum+=num;
// update maxSum
maxSum=Math.max(maxSum,sum-minSum);
// update minSum
minSum=Math.min(minSum,sum);
}
returnmaxSum;
}
}
Python 3:
classSolution:
defmaxSubArray(self,nums:List[int])->int:
n=len(nums)
maxSum=nums[0]
minSum=sum=0
foriinrange(n):
sum+=nums[i]
maxSum=max(maxSum,sum-minSum)
minSum=min(minSum,sum)
returnmaxSum
总结
我们使用四种方法解决了 《最大子序列和问题》, 并详细分析了各个解法的思路以及复杂度,相信下次你碰到相同或者类似的问题 的时候也能够发散思维,做到 一题多解,多题一解。
实际上,我们只是求出了最大的和,如果题目进一步要求出最大子序列和的子序列呢?如果要题目允许不连续呢?我们又该如何思考和变通?如何将数组改成二维,求解最大矩阵和怎么计算?这些问题留给读者自己来思考。
关注我
如果你觉得文章内容对你有用,请分享给你的朋友,让更多的人看到它。另外欢迎关注我的微信公众号,里面会不定期分享数据结构和算法,以及面试相关内容。