动态规划01：53. Maximum Subarray 最大子数组

动态规划01：53. Maximum Subarray 最大子数组

53. Maximum Subarray 最大子数组

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。
提示：

• 1 <= nums.length <= 10^5
• –10^4 <= nums[i] <= 10^4

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

本题要点： 1.最大和，2.连续子序列，3.至少包含一个元素。

方法1：动态规划

思路分析： 假设数组nums的长度为n，下标则从0到n-1，定义dp[i]表示以第i个元素结尾的「连续子数组的最大和」，则dp[i]记录了以每一个元素结尾的「连续子数组的最大和」，那么数组dp[i] (0 <= i < n)中的最大值，即为本题的连续子数组的最大和。

那么，dp[i] 跟 dp[i - 1]是什么关系呢？，由于dp[i]表示的是以nums[i]j结尾的最大连续子序列的和，则以nums[i]结尾的最大子序列的和要么为：nums[i]，要么为：dp[i - 1] + nums[i]，则

dp[i] = max{nums[i], nums[i] + dp[i - 1]}

对此，不难给出一个时间复杂度O(n)，空间复杂度为：O(n)的实现，即用一个数组dp来保存以nums[i]结尾的最大子序列和的值，使用一个循环即可求出所有的dp[i]：

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

这道题可以用Kadane’s Algorithm算法来解决，这个算法又叫做卡达内/卡登 算法，专门研究最大子数组的问题，Python格式代码如下：

def max_subarray(A):
    max_ending_here = max_so_far = A[0]
    for x in A[1:]:
        max_ending_here = max(x, max_ending_here + x)
        max_so_far = max(max_so_far, max_ending_here)
    return max_so_far

由于只需要记录最大子集合和，不需要计算出每一个位置的最大子集合和最大值，因此只需要一个变量maxEndHere记录当前节点最大子集合和即可，上述代码可优化为：

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

方法2：分治法 待续