题目53:最大子序和
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。
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。
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。
思路1:固定遍历长度
依次遍历求和取最大值
代码1
class Solution(object):
def maxSubArray(self, nums):
"""
:type nums: List[int]
:rtype: int
"""
if len(nums) <= 1:
return nums[0]
a = max(max(nums),sum(nums))
b = [a]
for i in range(len(nums)-1,1,-1):
for j in range(len(nums)-i+1):
b.append(sum(nums[j:i+j]))
return max(b)
思路2:差值法
sum(i,j) = sum(0,j) - sum(0,i)
记录前 i 总和最小值
上面时间复杂度都是:O(n)O(n)
代码2
class Solution(object):
def maxSubArray(self, nums):
"""
:type nums: List[int]
:rtype: int
"""
cur_sum = 0
min_sum = 0
res = float("-inf")
for num in nums:
cur_sum += num
res = max(res, cur_sum - min_sum)
min_sum = min(min_sum, cur_sum)
return res
思路3:分治法
其实就是它的最大子序和要么在左半边,要么在右半边,要么是穿过中间,对于左右边的序列,情况也是一样,因此可以用递归处理。中间部分的则可以直接计算出来,时间复杂度应该是 O ( n l o g n ) O(nlogn) O(nlogn)。
代码3
class Solution(object):
def maxSubArray(self, nums):
"""
:type nums: List[int]
:rtype: int
"""
n = len(nums)
#递归终止条件
if n == 1:
return nums[0]
else:
#递归计算左半边最大子序和
max_left = self.maxSubArray(nums[0:len(nums) // 2])
#递归计算右半边最大子序和
max_right = self.maxSubArray(nums[len(nums) // 2:len(nums)])
#计算中间的最大子序和,从右到左计算左边的最大子序和,从左到右计算右边的最大子序和,再相加
max_l = nums[len(nums) // 2 - 1]
tmp = 0
for i in range(len(nums) // 2 - 1, -1, -1):
tmp += nums[i]
max_l = max(tmp, max_l)
max_r = nums[len(nums) // 2]
tmp = 0
for i in range(len(nums) // 2, len(nums)):
tmp += nums[i]
max_r = max(tmp, max_r)
#返回三个中的最大值
return max(max_right,max_left,max_l+max_r)
思路4:动态规划
当前面的总和是负数的,加上去一定会使总和减小,不如从自己重新开始.
例如,[-2,1,-3,4]
1 就不需要加前面 -2, 自己可以重新开始.
代码4
class Solution(object):
def maxSubArray(self, nums):
"""
:type nums: List[int]
:rtype: int
"""
n = len(nums)
dp = [0] * n
dp[0] = nums[0]
res = nums[0]
for i in range(1, n):
dp[i] = max(dp[i-1] + nums[i], nums[i])
res = max(dp[i], res)
return res