1 题目链接
2 题目要求
描述
给定一个数组arr,返回子数组的最大累加和
例如,arr = [1, -2, 3, 5, -2, 6, -1],所有子数组中,[3, 5, -2, 6]可以累加出最大的和12,所以返回12.
题目保证没有全为负数的数据
要求
时间复杂度为O(n),空间复杂度为O(1)
示例
输入:[1, -2, 3, 5, -2, 6, -1]
返回值:12
3 代码思路
题目如果不加时间复杂度为O(n),那么很容易想到用两层循环遍历数组,计算索引从i到j的和,然后和当前记录的最大值做比较取最大即可。这种暴力法空间复杂度满足要求,但是时间复杂度为O(n2),不符合题意。
因此我们需要对思路进行简化,双层循环中方法中有大量重复性计算,我们考虑到可以使用中间值来对重复性计算的结果进行保存。因此想到动态规划的思路,使用dp[i]记录以i结尾的最大累加和。当以i - 1为结尾的最大值为负时,dp[i] = arr[i];当dp[i - 1]为正时,dp[i] = dp[i - 1] + arr[i]。因此dp[i] = max{dp[i - 1] + arr[i], arr[i]}。最后只需要遍历dp[i],取其中的最大值即可。这是一种比较好的思路,但是我们这种算法时间复杂度为O(n)满足题意,但是使用到了一个dp数组,空间复杂度也为O(n)。
上边的思路再次简化。我们发现,如果计算出dp[i]是负的话,对后续dp的计算是没有任何帮助的,因为这时候我们会将紧接着的dp[i + 1]设置成arr[i + 1]。因此针对这个,我们可以再次简化,使用一个变量来记录以i为结尾的最大值,如果这个值小于0,将其抛弃,否则保留。
代码实现这里给出三种思路的代码,可以参考代码来理解思路。
4 代码实现
暴力法:时间复杂度O(n2),空间复杂度O(1)
public class Solution {
public int maxsumofSubarray (int[] arr) {
if(arr == null || arr.length == 0)
return 0;
// 记录当前最大值
int result = Integer.MIN_VALUE;
for(int j = 0; j < arr.length; j++){
int temp = 0;
// 从i加到j的和
for(int i = 0; i <= j; i++){
temp += arr[i];
}
// 比较当前最大值和i到j和哪一个更大,取较大的
result = Math.max(result, temp);
}
return result;
}
}
动态规划法:时间复杂度O(n),空间复杂度O(n)
public class Solution {
public int maxsumofSubarray (int[] arr) {
if(arr == null || arr.length == 0)
return 0;
// 记录以i结尾的和的最大值
int []dp = new int[arr.length];
int result = Integer.MIN_VALUE;
// 更新dp数组和当前result
for(int i = 0; i < dp.length; i++){
if(i == 0)
dp[i] = arr[i];
else{
// 转移方程
dp[i] = Math.max(dp[i - 1] + arr[i], arr[i]);
}
if(dp[i] > result)
result = dp[i];
}
return result;
}
}
优化的动态规划:时间复杂度O(1),空间复杂度O(1)
public class Solution {
public int maxsumofSubarray (int[] arr) {
if(arr == null || arr.length == 0)
return 0;
int result = Integer.MIN_VALUE;
// 记录当前累加和
int cur = 0;
for(int i = 0; i < arr.length; i++){
cur += arr[i];
result = Math.max(result, cur);
// 如果累加和小于0,则将其抛弃
cur = Math.max(cur,0);
}
return result;
}
}