区间最大和
1. 概述
-
此类问题一般是:给出一个序列,让从中选出一些连续的不相交子序列,使得选出的子序列和最大。
-
子区间长度可能不定,也可能固定。选出的区间数可能是一个,也可能是多个。
-
如下给出了三个例题:
-
Leetcode 0053 最大子序和:选出一个子区间,长度不定;
-
AcWing 1051. 最大的和:选出两个子区间,长度不定;
-
Leetcode 0689 三个无重叠子数组的最大和:选出三个子区间,长度都相同。可以扩展为选出多个子区间。
-
2. 例题
Leetcode 0053 最大子序和
题目描述:Leetcode 0053 最大子序和
分析
- 本题的考点:动态规划、分治。
动态规划
-
考虑状态表示
f[i]
:表示以nums[i]
结尾的最大的连续子数组和。 -
考虑状态转移: f [ i ] = m a x ( f [ i − 1 ] , 0 ) + n u m s [ i ] , 0 < i < n f[i] = max(f[i- 1], 0) + nums[i], 0 < i < n f[i]=max(f[i−1],0)+nums[i],0<i<n。
-
我们发现每个状态只和上一个状态有关,因此只是用一个变量
f
记录每个状态,并在递推过程中记录答案res
即可。
分治
-
关于进阶中的分治算法,时间空间都不会优于动态规划,但是其具有拓展性,这里讲解一下。这个题目的拓展可以参考线段树中的AcWing 245. 你能回答这些问题吗。
-
下面是这一题的分治算法讲解。
-
我们对区间进行递归,对于每个区间
[l, r]
,我们需要记录以下内容:
struct Node {
int sum; // 区间总和
int s; // 区间最大的连续子数组和
int ls; // 区间最大前缀和
int rs; // 区间最大后缀和
}
-
根据这些信息我们就可以从子区间构造父区间的信息。具体为什么有这些字段,可以参考线段树中的AcWing 245. 你能回答这些问题吗。
-
结构体内并没有记录区间的两个端点,这是因为我们只需要求解整个区间的最大的连续子数组和,这两个端点会在递归的过程中传下去。
代码
- C++
// 动态规划
class Solution {
public:
int maxSubArray(vector<int>& nums) {
int f = nums[0], res = nums[0];
for (int i = 1; i < nums.size(); i++) {
f = max(f, 0) + nums[i];
res = max(res, f);
}
return res;
}
};
// 分治
class Solution {
public:
struct Node {
// 区间总和、区间最大的连续子数组和、区间最大前缀和、区间最大后缀和
int sum, s, ls, rs;
};
// 返回由nums[l, r]构造的Node
Node build(vector<int> &nums, int l, int r) {
if (l == r) return {nums[l], nums[l], nums[l], nums[l]};
int mid = l + r >> 1;
auto left = build(nums, l, mid), right = build(nums, mid + 1, r);
Node res;
res.sum = left.sum + right.sum;
res.s = max(max(left.s, right.s), left.rs + right.ls);
res.ls = max(left.ls, left.sum + right.ls);
res.rs = max(right.rs, right.sum + left.rs);
return res;
}
int maxSubArray(vector<int>& nums) {
auto t = build(nums, 0, nums.size() - 1);
return t.s;
}
};
- Java
// 动态规划
class Solution {
public int maxSubArray(int[] nums) {
int f = nums[0], res = nums[0];
for (int i = 1; i < nums.length; i++) {
f = Math.max(f, 0) + nums[i];
res = Math.max(res, f);
}
return res;
}
}
// 分治
class Solution {
static class Node {
// 区间总和、区间最大的连续子数组和、区间最大前缀和、区间最大后缀和
int sum, s, ls, rs;
public Node() {}
public Node(int sum, int s, int ls, int rs) {
this.sum = sum; this.s = s; this.ls = ls; this.rs = rs;
}
}
// 返回由nums[l, r]构造的Node
private Node build(int[] nums, int l, int r) {
if (l == r) return new Node(nums[l], nums[l], nums[l], nums[l]);
int mid = l + r >> 1;
Node left = build(nums, l, mid), right = build(nums, mid + 1, r);
Node res = new Node();
res.sum = left.sum + right.sum;
res.s = Math.max(Math.max(left.s, right.s), left.rs + right.ls);
res.ls = Math.max(left.ls, left.sum + right.ls);
res.rs = Math.max(right.rs, right.sum + left.rs);
return res;
}
public int maxSubArray(int[] nums) {
Node t = build(nums, 0, nums.length - 1);
return t.s;
}
}
- Python
class Solution:
def maxSubArray(self, nums: List[int]) -> int:
f = nums[0]
res = nums[0]
for i in range(1, len(nums)):
f = max(f, 0) + nums[i]
res = max(res, f)
return res
时空复杂度分析
-
时间复杂度:动态规划: O ( n ) O(n) O(n),
n
为数组长度。分治: O ( n ) O(n) O(n)。因为 n + n 2 + n 4 + . . . ≈ 2 × n n+\frac{n}{2}+\frac{n}{4}+... \approx 2 \times n n+2n+4n+...≈2×n。 -
空间复杂度:动态规划: O ( 1 ) O(1) O(1)。分治: O ( l o g ( n ) ) O(log(n)) O(log(n))。 l o g ( n ) log(n) log(n)为递归深度。
#AcWing 1051. 最大的和
问题描述
-
问题链接:AcWing 1051. 最大的和
分析
- 本题使用前后缀分解,然后使用AcWing 55. 连续子数组的最大和的方式解决即可。
代码
- C++
#include <iostream>
using namespace std;
const int N = 50010, INF = 1e9;
int n;
int w[N];
int g[N], h[N]; // g[i]: w[1~i]中连续最大子段和, h[i]: w[i~n]中连续最大子段和
int main() {
int T;
cin >> T;
while (T--) {
cin >> n;
for (int i = 1; i <= n; i++) cin >> w[i];
g[0] = -INF;
for (int i = 1, s = 0; i <= n; i++) {
s = max(s, 0) + w[i];
g[i] = max(g[i - 1], s);
}
h[n + 1] = -INF;
for (int i = n, s = 0; i; i--) {
s = max(s, 0) + w[i];
h[i] = max(h[i + 1], s);
}
int res = -INF;
for (int i = 1; i < n; i++) res = max(res, g[i] + h[i + 1]);
cout << res << endl;
}
return 0;
}
Leetcode 0689 三个无重叠子数组的最大和
分析
-
本题的考点:动态规划。
-
因为这里需要求解方案,且求解字典序最小的方案,因此需要类似于背包问题求解方案,需要从后向前进行
DP
,最后从前向后判断前面某段是否可选,能选则选,这样字典序最小。 -
分析如下:
-
可以看到,分析中需要使用某段区间的和,可以使用前缀和技巧。
-
因为牵涉到前缀和,因此下标都从1开始。
代码
- C++
class Solution {
public:
vector<int> maxSumOfThreeSubarrays(vector<int>& nums, int k) {
int n = nums.size();
vector<int> s(n + 1);
for (int i = 1; i <= n; i++) s[i] = s[i - 1] + nums[i - 1];
vector<vector<int>> f(n + 2, vector<int>(4));
int x = n + 1, y = 3;
for (int i = n - k + 1; i; i--) {
for (int j = 1; j <= 3; j++)
f[i][j] = max(f[i + 1][j], f[i + k][j - 1] + s[i + k - 1] - s[i - 1]);
if (f[x][3] <= f[i][3]) x = i; // 因为要求字典序最小的方案,需要等于号
}
vector<int> res;
while (y) {
while (f[x][y] != f[x + k][y - 1] + s[x + k - 1] - s[x - 1]) x++;
res.push_back(x - 1);
x += k, y--;
}
return res;
}
};
时空复杂度分析
-
时间复杂度: O ( n ) O(n) O(n),
n
为数组长度。 -
空间复杂度: O ( n ) O(n) O(n)。