最大子序和
题目
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:nums = [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 。
题解
方法 1 动态规划
由题可知需要在数组中找到一个最大和的连续子数组,可以利用动态规划的思想,从处理较小的数组开始,依据前面的求解结果处理更大的数组。因此,可以通过求解前 i 个数组成的数组的最大和连续子数组,返回求解结果的最大值。而前 i 个数的求解结果依赖于前 i-1 个数的求解结果,动态规划方程:
f(i)=max{f(i−1)+nums[i],nums[i]} |
---|
设置两个变量,pre 变量保存当前以第 i 个数结尾的数组的最大和,maxAns 变量保存当前已求解数组的最大和。前 i 个数组成数组的最大和分为两种情况,一种是第 i 个数自成一段,另一种是第 i 个数加上前面连续若干个数组成一段,而这若干个数即为前 i 个数的最大和求解结果。
方法 2 分治法
对于一个区间 [l,r] ,将其分为左右两个子区间,分别求解。当递归逐层深入到区间长度为1时停止,此时递归开始回升,不断合并左右区间的求解结果得到更大区间的结果。
设置四个变量,分别为:
lSum 表示 [l,r] 内以 l 为左端点的最大子段和
rSum 表示 [l,r] 内以 r 为右端点的最大子段和
mSum 表示 [l,r] 内的最大子段和
iSum 表示 [l,r] 的区间和
计算过程:
iSum = 左子区间的 iSum + 右子区间的 iSum
lSum = max{ 左子区间的 lSum,左子区间的 iSum + 右子区间的 lSum }
rSum = max{ 右子区间的 rSum,右子区间的 iSum + 左子区间的 rSum }
mSum = max{ 左子区间的 mSum,右子区间的 mSum,左子区间的 rSum + 右子区间的 lSum }
代码
方法 1 动态规划
- 拷贝元素:for (auto x: nums)
- 修改元素:for (auto &&x: nums)
- 只读元素:for (const auto &x: nums)
class Solution {
public:
int maxSubArray(vector<int>& nums) {
int pre = 0, maxAns = nums[0];
//类似于滚动数组
for (const auto &x: nums) {
//当前以 x 结尾的数组最大和分为两种情况
// (1) x 自成一段
// (2) x + 前面 x-1 个数组成的数组的最大和子数组
pre = max(pre + x, x);
maxAns = max(maxAns, pre);
}
return maxAns;
}
};
方法 2 分治法
分治法求解问题时先划分为多个子问题,直至分解为原子问题,最后将子问题的结果逐步合并为原问题的结果。
class Solution {
public:
//定义结构体,包含四个变量
struct Status {
int lSum, rSum, mSum, iSum;
};
//定义变量计算
Status pushUp(Status l, Status r) {
int iSum = l.iSum + r.iSum;
int lSum = max(l.lSum, l.iSum + r.lSum);
int rSum = max(r.rSum, r.iSum + l.rSum);
int mSum = max(max(l.mSum, r.mSum), l.rSum + r.lSum);
return (Status) {lSum, rSum, mSum, iSum};
};
//分治求解子问题
Status get(vector<int> &a, int l, int r) {
//若数组仅有一个元素
if (l == r) {
return (Status) {a[l], a[l], a[l], a[l]};
}
int m = (l + r) >> 1;
//分为左右两个子区间
Status lSub = get(a, l, m);
Status rSub = get(a, m + 1, r);
return pushUp(lSub, rSub);
}
//返回最大和 mSum
int maxSubArray(vector<int>& nums) {
return get(nums, 0, nums.size() - 1).mSum;
}
};