输入一个整型数组,数组中的一个或连续多个整数组成一个子数组。求所有子数组的和的最大值。
要求时间复杂度为O(n)。
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。
算法思想:
1.状态,即子问题。
dp[i] 代表以元素 nums[i] 为结尾的连续子数组最大和。
2.转移策略,自带剪枝。
若 dp[i−1]≤0 ,说明 dp[i−1] 对 dp[i] 产生负贡献,即 dp[i−1]+nums[i] 还不如 nums[i] 本身大。
3.状态转移方程,根据前两步抽象而来。
当 dp[i−1]>0 时:执行 dp[i] = dp[i-1] + nums[i];
当 dp[i−1]≤0 时:执行 dp[i] = nums[i] ;
4.设计dp数组,保存子问题的解,避免重复计算
5.实现代码
整个动态规划,最难的就是定义状态。一旦状态定义出来,表明你已经抽象出了子问题,可以肢解原来的大问题了。
代码:
class Solution {
public int maxSubArray(int[] nums) {
int dp[] = new int[nums.length];
dp[0] = nums[0];
int max = dp[0];
for(int i = 1; i < nums.length; i++) {
int temp = Math.max(dp[i-1] + nums[i], nums[i]);
dp[i] = temp;
max = Math.max(dp[i], max);
}
return max;
}
}