多种解法- leetcode-53. 最大子序和

最新推荐文章于 2024-10-16 10:13:45 发布

pospre

最新推荐文章于 2024-10-16 10:13:45 发布

阅读量142

点赞数

分类专栏： leetcode 文章标签： leetcode 贪心算法动态规划

本文链接：https://blog.csdn.net/weixin_56915683/article/details/120920752

版权

leetcode 专栏收录该内容

77 篇文章 1 订阅

订阅专栏

这篇博客探讨了如何使用动态规划和贪心策略解决寻找整数数组中具有最大和的连续子数组的问题。两种方法的时间复杂度均为O(n)，但空间复杂度不同。贪心算法通过维护当前子数组的和，在和小于0时重置，达到O(1)的空间复杂度；而动态规划则需要一个大小为n的数组来存储中间结果，空间复杂度为O(n)。文章提供了详细的代码实现，并解释了每种方法的思路和步骤。

摘要由CSDN通过智能技术生成

题目描述

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。

解法选择：

暴力：
- 3 层 for，列举 start、end、k；
- 2 层 for，在内层 for 同时求和 sum（省去一层for）
贪心： $O (n)$
dp

贪心

思路：

每次统计 sum，当 $s u m < 0$ 时，则不会对最终结果作正向的贡献，直接将 $s u m = 0$ 置零。

时间复杂度： $O (n)$
空间复杂度： $O (1)$

class Solution {
    public int maxSubArray(int[] nums) {
        int sum = 0;
        int res = Integer.MIN_VALUE;
        for (int i = 0; i < nums.length; i++) {
            sum += nums[i];
            res = Math.max(sum, res);
            if (sum < 0) { // sum < 0 一定不会对 最大子列和做贡献
                sum = 0;
            }
        }
        return res;
    }
}

dp

dp五步曲：

dp[i] 表示 nums[0, i-1]（即，以 i-1 为终点）中连续子数组的最大和；
递推公式
dp[i]可以有两个状态推导而来：
- 加入当前元素nums[i-1]，即dp[i - 1] + nums[i - 1]；
- 不加入当前元素dp[i-1]，即从头开始计算连续子序列和，即nums[i-1]。
  二者取 max
初始化
定义dp[n+1]时，避免了单独处理dp[0]，全部初始化为 0，即可
遍历顺序：从前到后
打印dp

时间复杂度： $O (n)$
空间复杂度： $O (n)$

class Solution {
    public int maxSubArray(int[] nums) {
        int n = nums.length;
        if (n == 0) return -1;
        int[] dp = new int[n + 1]; // 1、dp[i] 表示 nums[0, i-1] 中连续子数组的最大和
        int res = nums[0];
        // 3、初始化（定义dp[n+1]时，避免了单独处理dp[0]）
        for (int i = 1; i <= nums.length; i++) {
            // 2、递推公式
            dp[i] = Math.max(nums[i - 1], dp[i - 1] + nums[i - 1]); 
            res = Math.max(res, dp[i]);
        }
        // 5、打印dp
        System.out.println(Arrays.toString(dp));
        return res;
    }
}