【leecode】第53题：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

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

题目链接：最大自序和

---

题目限制：

时间复杂度为O(n)

---

解题思路：

子序和由连续数组组成

子数组最少包含一个元素

---

数组边界：

当数组元素全为整数时，数组和即为最大子序和

当数组元素全为负数时，数组元素最大值即为最大子序和

当数组同时存在正负数时，最大子序和的连续数组必定以正数开始

当最大子序和小于数组元素最大值时，数组元素最大值即为最大子序和

---

实现代码：

测试数组nums = [-2, 1, -3, 4, -1, 2, 1, -5, 4]

通过测试结果[4, -1, 2, 1]，反推编码执行过程

贪心法

# 贪心法
class Solution:
    def maxSubArray(self, nums: List[int]) -> int:
        sum, result = 0, float("-inf")          # float('-inf') 正负无穷的意思
        for i in range(len(nums)):              # 遍历nums
            sum += nums[i]                      # 数组元素相加
            result = max(result, sum)           # 取最大值
            if (sum < 0):                       # 丢弃小于0的子序和
                sum = 0
        return result

贪心法的核心逻辑：若当前指针所指元素之前的和小于0，则丢弃当前元素之前的数列

一边遍历，一边计算子序和，当子序和相加为负数时，丢弃该子序和

截取官方视频解说的片段

 

 由解题思路可知， 最大子序和需正数开始，通过一边遍历，一边对比当前和和最大和的值

 动态规划

# 动态规划
class Solution:
    def maxSubArray(self, nums: List[int]) -> int:
        for i in range(1, len(nums)):           # 由return 返回结构可知，当数组元素只有一个时，无需对比
            if nums[i - 1] > 0:                 # 最大子序和条件
                nums[i] += nums[i - 1]          # 计算该组子序和
        return max(nums)                        # 取最大的子序和

动态规划的核心逻辑：若前一个元素大于0，则将其加到当前元素上

一边遍历，一边计算正数开始的子序和，最后返回最大的子序和

截取官方视频解说的片段

 更简洁的方法

class Solution:
    def maxSubArray(self, nums: List[int]) -> int:
        for i in range(1, len(nums)):
            nums[i]= nums[i] + max(nums[i-1], 0)
        return max(nums)

nums[i - 1] 是第 i - 1 个元素

max（nums[i - 1] ,0）是与0对比 i元素前最大的元素

该代码的运行逻辑和通过贪心法和动态规划的思路结合在一起

该代码的缺点就是会比动态规划运行得更慢，因为执行了两次max（）函数

---

结论：

该题主要难点是考察是否可理清找到最大子序和的逻辑思路

max（）内置函数的深入应用

动态规划的基础使用

---

LeetCode相关数组题：

【leecode】第35题：搜索插入位置_inganxu-CSDN博客

【leecode】第27题：移除元素_inganxu-CSDN博客

【leecode】第1题：两数之和_inganxu-CSDN博客