动态规划01:53. 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;
}