开始刷Leetcode,感觉自己能力还是不足啊。。。基础不扎实,好多都忘记了,要好好补一下
目录
题目描述
【简单题】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。
我最初的思路
遍历数组,在O(n)时间内对每个位置计算从前面到此处的最大子序和,分别计算前面的最大子序和+当前数值,除掉之前最大子序头的子序和和前面的最大子序和,对这三者进行比较,依条件操作。
但这一思路过于细碎,在调试的过程中只能不断根据错误案例增加控制,最后陷入僵局,无法得出全面的正确结果。于是,我阅读了他人的题解思路,回顾了之前的算法,基于贪心和动态规划的思想重写了下列代码(均提交通过)。
贪心
基本思想:
遍历数组,对于存在正数的数组,认为最大子序和应从正数所在的下标起始。
【如数组 [ -2, 1, -3, 4, -1, 2, 1, -5, 4 ]中,最大子序和必从1, 4, 2, 1, 4中起始,若最大子序和从负数开始,则必有从正数开始的子序列满足子序和更大(反证)】
但实际写代码时这样写又会陷入需要考虑大量的if条件,过于琐碎,故用sum总和来直接累加每个数,若sum小于0认为前面的子序和都可以不用了,后面的可能有从正数起始的最大子序列。用maxs来记录整个过程中找到的最大子序和。
此外,这一思想没有考虑到数组全是负数的情况,故另外设置两个变量allf,maxf分别记录数组中是否全是负数和最大的数值,若全为负数,则最大子序列必长度为一,直接返回maxf。
代码:
int maxSubArray(int* nums, int numsSize) {
if (numsSize == 1)return nums[0];
int allf = 0, maxf = nums[0], sum = 0, maxs = nums[0];
for (int i = 0; i < numsSize; i++) {
if (nums[i] < 0) {
allf++;
if (nums[i] > maxf) maxf = nums[i];
}
if (sum < 0) sum = nums[i];
else
sum += nums[i];
maxs = (maxs > sum) ? maxs : sum;
}
if (allf == numsSize) return maxf;
return maxs;
}
动态规划
基本思想:
创建大小为numsSize的数组DP记录到数组每个位置的最大子序和,DP[i]表示数组nums下标未0~i的最大子序和。
对每个位置i,其可能处于最大子序列中,也可能处于最大子序列的开始位置,即最大子序和可能由前一位置的最大子序和与nums[i]相加而得,也可能只有nums[i]本身。故:
DP[i] = max{ DP[i-1]+nums[i], nums[i]},算出每个DP[i]后返回其中最大的值即为数组nums的最大子序和。
代码:
int maxSubArray(int* nums, int numsSize) {
//DP
int* DP;
int maxs = nums[0];
DP = (int*)malloc(numsSize * sizeof(int));
DP[0] = nums[0];
for (int i = 1; i < numsSize; i++) {
int d = DP[i - 1] + nums[i];
DP[i] = (d > nums[i]) ? d : nums[i];
maxs = (maxs > DP[i]) ? maxs : DP[i];
}
return maxs;
}