动态规划题解
1. 定义子问题|定义状态
把不确定的因素确定下来,进而把子问题定义清楚,把子问题定义得简单。动态规划的思想通过解决了一个一个简单的问题,进而把简单的问题的解组成了复杂的问题的解。
我们 不知道和最大的连续子数组一定会选哪一个数,那么我们可以求出 所有 经过输入数组的某一个数的连续子数组的最大和。
例如,示例 1 输入数组是 [-2,1,-3],我们可以求出以下子问题:
- 子问题1,经过-2的连续子数组的最大和是多少
- 子问题2,经过1的连续子数组的最大和是多少
- 子问题3,经过-3的连续子数组的最大和是多少
一共有三个子问题。这些子问题之间的联系并没有那么好看出来,这是因为 子问题的描述还有不确定的地方。
例如子问题2,经过1的连续子数组的最大和可能是:
- -2+1 ->-1,1是连续数组的第二个元素
- -2+1±3 ->-4,是连续数组的第二个元素
- 1±3 ->-2,是连续数组的第一个元素
- …
我们不确定的是:1 是连续子数组的第几个元素。那么我们就把 1定义成连续子数组的最后一个元素。
我们可以求出以下子问题:
- 子问题1,-2结尾的连续子数组的最大和是多少
- 子问题2,1结尾的连续子数组的最大和是多少
- 子问题3,-3结尾的连续子数组的最大和是多少
我们加上了「结尾的」,这些子问题之间就有了联系。
单独看子问题1和子问题2:
- 子问题1,以 −2结尾的**连续子数组的最大和是多少;
以 −2 结尾的连续子数组是 [-2],因此最大和就是 −2。
- 子问题 2:以 11 结尾的连续子数组的最大和是多少;
以 1 结尾的连续子数组有 [-2,1] 和 [1] ,其中 [-2,1] 就是在「子问题 1」的后面加上 1 得到。−2+1=−1<1−2+1=−1<1 ,因此「子问题 2」 的答案是 1
如果编号为 i
的子问题的结果是负数或者 00 ,那么编号为 i + 1
的子问题就可以把编号为 i
的子问题的结果舍弃掉(这里 i
为整数,最小值为 1
,最大值为8
),这是因为:
- 一个数
a
加上负数的结果比a
更小; - 一个数
a
加上 0 的结果不会比a
更大; - 而子问题的定义必须以一个数结尾,因此如果子问题
i
的结果是负数或者 0,那么子问题i + 1
的答案就是以nums[i]
结尾的那个数。
2. 步骤
①定义状态(定义子问题)
dp[i]:表示以 nums[i] 结尾 的 连续 子数组的最大和。
其中结尾 和 连续是关键字
②状态转移方程(描述子问题之间的联系)
根据状态的定义,由于 nums[i] 一定会被选取,并且以 nums[i] 结尾的连续子数组与以nums[i - 1] 结尾的连续子数组只相差一个元素 nums[i]。
假设nums严格大于零,那么一定有dp[i] = dp[i-1] + nums[i]
但是dp[i - 1] 可能是负数,分类谈论:
1. dp[i-1]>0,dp[i] = dp[i-1]+nums[i]
2.dp[i-1]<=0,那么 nums[i] 加上前面的数 dp[i - 1] 以后值不会变,大。于是 dp[i] 「另起炉灶」,此时单独的一个 nums[i] 的值,就是 dp[i]。
以上两种情况的最大值就是dp[i]的值,如下转移方程:
dp[i] = max{dp[i-1]+nums[i],nums[i]}
③初始化(定义一开始的最大值)
dp[0]
根据定义,只有 1 个数,一定以 nums[0]
结尾,因此 dp[0] = nums[0]
。
④输出
这个问题的输出是把所有的 dp[0]
、dp[1]
、……、dp[n - 1]
都看一遍,取最大值。
3.代码
public class Solution {
public int maxSubArray(int[] nums) {
int len = nums.length;
// dp[i] 表示:以 nums[i] 结尾的连续子数组的最大和
int[] dp = new int[len];
dp[0] = nums[0];
for (int i = 1; i < len; i++) {
if (dp[i - 1] > 0) {
dp[i] = dp[i - 1] + nums[i];
} else {
dp[i] = nums[i];
}
}
// 也可以在上面遍历的同时求出 res 的最大值,这里我们为了语义清晰分开写,大家可以自行选择
int res = dp[0];
for (int i = 1; i < len; i++) {
res = Math.max(res, dp[i]);
}
return res;
}
}
/*1.定义子问题:以数组中每个元素,即nums[i]为结尾的连续子数组最大和
2.状态转移方程:dp[i] = max{dp[i-1]+nums[i],nums[i]}
3.初始化,dp[0] = nums[0],初始就是nums[0]的子问题的解
4.输出(需要遍历每一个子问题,然后得到最大的和)
*/
int maxSubArray(int* nums, int numsSize){
int *dp = (int *)malloc(sizeof(int)*numsSize);
//初始化
dp[0] = nums[0];
int i;int res = nums[0];
for(i=1;i<numsSize;i++){
if(dp[i-1]>0){
dp[i] = dp[i-1]+nums[i];
}else{
dp[i] = nums[i];
}
if(res < dp[i]){
res = dp[i];
}
}
return res;
}