剑指Offer（三十）：连续子数组的最大和（dp）

连续子数组的最大和:

题目链接：

牛客网

题目描述：

    HZ偶尔会拿些专业问题来忽悠那些非计算机专业的同学。今天测试组开完会后,他又发话了:在古老的一维模式识别中,常常需要计算连续子向量的最大和,当向量全为正数的时候,问题很好解决。但是,如果向量中包含负数,是否应该包含某个负数,并期望旁边的正数会弥补它呢？例如:{6,-3,-2,7,-15,1,2,2},连续子向量的最大和为8(从第0个开始,到第3个为止)。给一个数组，返回它的最大连续子序列的和，你会不会被他忽悠住？(子向量的长度至少是1)

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

解题思路：

此题可以用动态规划来达到最优解，如下：

• 状态定义： 设动态规划列表 dpdp ，dp[i] 代表以元素 nums[i] 为结尾的连续子数组最大和。

• 转移方程： 若 dp[i - 1] ≤ 0 ，说明 dp[i - 1] 对 dp[ i ] 产生负贡献，即 dp[i - 1] + nums[ i ] 还不如 nums[ i ] 本身大。
    • 当 dp[i - 1] > 0 时：执行 dp[ i ] = dp[i - 1] + nums*[ i ]；
    • 当 dp[i - 1] ≤ 0 时：执行 dp[ i ] = nums[ i ]；

• 初始状态： dp[ 0 ] = nums[ 0 ] ，即以 nums[ 0 ] 结尾的连续子数组最大和为 nums[ 0 ] 。

• 返回值： 返回 dp 列表中的最大值，代表全局最大值。

复杂度：

时间复杂度： O(N)， 线性遍历数组 numsnums 即可获得结果，使用 O(N) 时间。
空间复杂度：O(1)，使用常数大小的额外空间。

代码实现：

public class Solution {
    public static int FindGreatestSumOfSubArray(int[] array){
        if (array == null || array.length == 0) {
            return 0;
        }

        int n = array.length;
        int[] dp = new  int[n];
        dp[0] = array[0];
        int result = dp[0];
        for (int i = 1; i < n; ++i){
            dp[i] = Math.max(dp[i-1], 0) + array[i];
            result = Math.max(result, dp[i]);
        }
        return result;
    }
}

• 空间复杂度降低：
    由于 dp[ i ] 只与 dp[i - 1] 和 nums[ i ] 有关系，因此可以将原数组 nums 用作 dp 列表，即直接在 nums 上修改即可。
由于省去 dp 列表使用的额外空间，因此空间复杂度从 O(N) 降至 O(1)。

代码实现：

class Solution {
    public int maxSubArray(int[] nums) {
        int res = nums[0];
        for(int i = 1; i < nums.length; i++) {
            nums[i] += Math.max(nums[i - 1], 0);
            res = Math.max(res, nums[i]);
        }
        return res;
    }
}

Peace!