最大子序和

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。

我的方案：

思路一

第一个想法是暴力破解，使用两个循环，第一个循环用来滑动起始索引，第二个循环用来滑动结束索引。

代码

class Solution {
    public int maxSubArray(int[] nums) {
        long max = -2147483648;
        for(int j = 0;j<nums.length;j++){
            long sum = 0;
            for(int i = j;i<nums.length;i++){
                sum+=nums[i];
                if(sum>max){
                    max = sum;
                }
            
            }
        }
        return (int)max;
    }
}

精选方案

思路

• 这道题用动态规划的思路并不难解决，比较难的是后文提出的用分治法求解，但由于其不是最优解法，所以先不列出来
• 动态规划的是首先对数组进行遍历，当前最大连续子序列和为 sum，结果为 ans
• 如果 sum > 0，则说明 sum 对结果有增益效果，则 sum 保留并加上当前遍历数字
• 如果 sum <= 0，则说明 sum 对结果无增益效果，需要舍弃，则 sum 直接更新为当前遍历数字
• 每次比较 sum 和 ans的大小，将最大值置为ans，遍历结束返回结果
• 时间复杂度：O(n)O(n)

算法

ans作为代表最终解的变量，sum作为代表当前阶段解的变量。循环整个数组，当sum>0时，代表当前的sum有增益，加上当前迭代的num。当sum<0时，代表当前sum无增益，将sum更新为当前迭代的num。在当前阶段结束时，判断此阶段的解sum和代表最优解的ans哪个更优，将之更新。

代码

class Solution {
    public int maxSubArray(int[] nums) {
        int ans = nums[0];
        int sum = 0;
        for(int num: nums) {
            if(sum > 0) {
                sum += num;
            } else {
                sum = num;
            }
            ans = Math.max(ans, sum);
        }
        return ans;
    }
}

动态规划算法

动态规划算法主要用与多阶段决策问题需求最优解的情况，而本题正是在数组之和迭代过程多阶段的求解，使用空间换取时间的方式，在迭代过程中储存过程结果，并在阶段结束时判断，最后多阶段结束后输出最优解。