53、最大子数组和
给你一个整数数组 nums ,请你找出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。
子数组 是数组中的一个连续部分。
示例 1:
输入:nums = [-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 。
示例 2:
输入:nums = [1]
输出:1
示例 3:
输入:nums = [5,4,-1,7,8]
输出:23
提示:
1 <= nums.length <= 105
-104 <= nums[i] <= 104
进阶:如果你已经实现复杂度为 O(n) 的解法,尝试使用更为精妙的 分治法 求解。
方法一:贪心法
1.1 思路分析
暴力解法:算出所有子序列的和,然后取最大值,时间复杂度O(n2),本文不做介绍了。
贪心法:
- 定义当前子序列和cur,最优子序列和res,cur初始为0, res初始为Integer.MIN_VALUE最小值;
- 遍历数组,如果cur>0,将当前元素加到cur,否则cur放弃之前的数,将当前元素值赋值给cur;
- 遍历的同时不断选出最大值,赋值给res
贪心思想:拿到新的,判断是否丢弃对自身不利的
1.2 代码实现
class Solution {
/**贪心法 */
public int maxSubArray(int[] nums) {
// 1. 特判
if (nums.length == 1) return nums[0];
// 2. 逐个向后加,如果和为负数则抛弃,从当前位置重新开始
// cur保存当前和, res保存最大值
// 注意res应该初始化成极小的数
int cur=0, res=Integer.MIN_VALUE;
for (int num: nums){
if (cur > 0){ // 当前和大于0
cur += num;
}else {
cur = num;
}
res = Math.max(res, cur);
}
return res;
}
}
1.3 测试结果
1.4 复杂度
- 时间复杂度:O(n)
- 空间复杂度:O(1)
方法二:动态规划
2.1 思路分析
看了人家的题解才明白,字数太多,三言两语又叙述不清,直接把人家的截图搬来了
感谢力扣liweiwei1419
2.2 代码实现
不优化空间版:
class Solution {
/**动态规划--不优化空间版 */
public int maxSubArray(int[] nums) {
// 特判
if (nums.length==1) return nums[0];
// 以nums[i]为结尾的最大和
int[] dp = new int[nums.length];
int res = nums[0]; // 注意别漏掉第一个元素
dp[0] = nums[0];
for (int i=1; i<nums.length; i++){
if (dp[i-1]>0){
dp[i] = dp[i-1] + nums[i];
}else {
dp[i] = nums[i];
}
res = Math.max(dp[i], res);
}
return res;
}
}
优化空间版:
class Solution {
/**动态规划--优化空间版 */
public int maxSubArray(int[] nums) {
// 特判
if (nums.length==1) return nums[0];
int pre = nums[0];
int res = nums[0]; // 注意别漏掉第一个元素
for (int i=1; i<nums.length; i++){
pre = Math.max(nums[i], pre+nums[i]);
res = Math.max(res, pre);
}
return res;
}
}
2.3 测试结果
不优化空间版:
优化空间版:
2.4 复杂度
- 时间复杂度:O(n)
- 空间复杂度:O(n),未优化空间;O(1),优化空间。
方法三:分治法
3.1 思路分析
还不会,直接上官方题解吧。答题就是分为中点两侧和包含中点的三段子序列。从n个往下分,分到1个再返回,不断比较大小合并。
3.2 代码实现
class Solution {
/**分治法 */
public class Status {
public int lSum, rSum, mSum, iSum;
public Status(int lSum, int rSum, int mSum, int iSum) {
this.lSum = lSum;
this.rSum = rSum;
this.mSum = mSum;
this.iSum = iSum;
}
}
public int maxSubArray(int[] nums) {
return getInfo(nums, 0, nums.length - 1).mSum;
}
public Status getInfo(int[] a, int l, int r) {
if (l == r) {
return new Status(a[l], a[l], a[l], a[l]);
}
int m = (l + r) >> 1;
Status lSub = getInfo(a, l, m);
Status rSub = getInfo(a, m + 1, r);
return pushUp(lSub, rSub);
}
public Status pushUp(Status l, Status r) {
int iSum = l.iSum + r.iSum;
int lSum = Math.max(l.lSum, l.iSum + r.lSum);
int rSum = Math.max(r.rSum, r.iSum + l.rSum);
int mSum = Math.max(Math.max(l.mSum, r.mSum), l.rSum + r.lSum);
return new Status(lSum, rSum, mSum, iSum);
}
}
3.3 测试结果
3.4 复杂度
- 时间复杂度:O(logn)–>O(n)
- 空间复杂度:O(logn)