题记:
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 <= 10 ^ 5
- -10 ^ 4 <= nums[i] <= 10 ^ 4
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。
题目来源:
作者:LeetCode
链接:https://leetcode.cn/leetbook/read/top-interview-questions-easy/xn3cg3/
来源:力扣(LeetCode)
解题方法:
一:动态规划解决
这题是让求最大的连续子序和,如果不是连续的非常简单,只需要把所有的正数相加即可。但这里说的是连续的,中间可能掺杂负数,如果求出一个最大子序和在加上负数肯定要比原来小了。解这题最简单的一种方式就是使用动态规划。
我们先来了解一下动态规划的几个步骤
1,确定状态
2,找到转移公式
3,确定初始条件以及边界条件
4,计算结果。
最后一个不用看,只看前3个就行,因为前3个一旦确定,最后一个结果也就出来了。我们试着找一下
1,定义dp[i] 表示数组中下标 i为右端点的连续子数组的最大和。
2,如果要计算下标i为右端点的连续子数组的最大和,也就是计算dp[i],只需要判断 dp[i-1] 是大于0还是小于0。如果 dp[i-1] 大于0,就继续累加,dp[i]=dp[i-1]+num[i]。如果 dp[i-1] 小于0,我们直接把前面的舍弃,也就是说重新开始计算,否则会越加越小的,直接让dp[i]=num[i]。所以转移公式如下
dp[i]=num[i]+max(dp[i-1],0);
3,边界条件判断,当i等于0的时候,也就是前1个元素,他能构成的最大和也就是他自己,所以
dp[0]=num[0];
找到了上面的转移公式,代码就简单多了,来看下
public int maxSubArray(int[] num) {
int length = num.length;
int[] dp = new int[length];
//边界条件
dp[0] = num[0];
int max = dp[0];
for (int i = 1; i < length; i++) {
//转移公式
dp[i] = Math.max(dp[i - 1], 0) + num[i];
//记录最大值
max = Math.max(max, dp[i]);
}
return max;
}
转换为PHP代码为:
function maxSubArray($nums) {
//动态规划
$length = count($nums);
$dp = [];
//边界条件
$dp[0] = $nums[0];
$max = $dp[0];
for($i = 1 ; $i < $length; $i++){
//转移公式
$dp[$i] = max($dp[$i - 1], 0) + $nums[$i];
//记录最大值
$max = max($max,$dp[$i]);
}
return $max;
}
二:代码优化
仔细看下上面的代码会发现,我们申请了一个长度为length的数组,但在转移公式计算的时候,每次计算当前值的时候只会用到前面的那个值,再往前面就用不到了,这样实际上是造成了空间的浪费。这里不需要一个数组,只需要一个临时变量即可,看下代码
public int maxSubArray(int[] num) {
int length = num.length;
int cur = num[0];
int max = cur;
for (int i = 1; i < length; i++) {
cur = Math.max(cur, 0) + num[i];
//记录最大值
max = Math.max(max, cur);
}
return max;
}
转换为PHP代码为:
function maxSubArray($nums) {
//动态规划优化
$length = count($nums);
//边界条件
$cur = $nums[0];
$max = $cur;
for($i = 1; $i < $length; $i++){
//转移公式
$cur = max($cur, 0) + $nums[$i];
//记录最大值
$max = max($max, $cur);
}
return $max;
}
方法来源:
作者:数据结构和算法
链接:https://leetcode.cn/leetbook/read/top-interview-questions-easy/xn3cg3/?discussion=OQJnK2
来源:力扣(LeetCode)
附加:分治法
看大佬这里没有写分治法的解决思路,我来补充一个。也可以参考 《算法导论》第四章 – 分治法—和最大的连续子数组部分的内容。
核心思想就是通过分治法,把数组分成三部分的最大和,左边,右边和横跨中点的部分。 而左边和右边是通过递归地求各自横跨中点的最大和来找到的。附一张书上的图
步骤:
- 算中间最大和croLSum + croRSum
- 算左半部分最大和lSum
- 算右半部分最大和rSum
- 比较以上三个结果的大小,选最大的一个
public int crossMax(int[] nums, int l, int r) {
if (l >= r) return nums[l];
int m = l + ((r - l) >> 1); // 计算中点
int i = m, j = m; // 初始化左右索引
int croLSum = nums[m]; // 初始化左边最大和为中点的值
int croRSum = Integer.MIN_VALUE; // 右边负无穷
int sum = croLSum;
while(i - 1 >= l) { // 算左边的最大和(包括中点)
sum += nums[--i];
croLSum = sum > croLSum ? sum : croLSum;
}
sum = 0;
while(j + 1 <= r) { // 算右边的最大和
sum += nums[++j];
croRSum = sum > croRSum ? sum : croRSum;
}
int lSum = crossMax(nums, l, m); // 递归算左半部分
int rSum = crossMax(nums, m + 1, r); // 递归算右半部分
// 比较左边,中间,和右边的最大和,选最大的那个
return Math.max(croLSum + croRSum, Math.max(lSum, rSum));
}
方法来源:
作者:Oliver
链接:https://leetcode.cn/leetbook/read/top-interview-questions-easy/xn3cg3/?discussion=gEALUl
来源:力扣(LeetCode)