对于一个整数数组,如何求具有最大和的连续子数组

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),返回其和最大。

示例:

输入:[-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.

分析:乍一看这个题目还挺绕的,和最大的连续子数组,其实仔细分析一下,假如数组为某n个连续数组,如果前n-1个的和为负数,那么我们肯定不会要了,直接会从第n个数开始,紧接着,我们判断和的大小,并保留最大值。

using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Threading.Tasks;

namespace ConsoleApp7
{
    class Program
    {
        static void Main(string[] args)
        {
            int[] arr = { -2, 1, -3, 4, -1, 2, 1, -5, 4 };
            Console.WriteLine(MaxSum(arr));
        }
        static int MaxSum(int[] arr)
        {
            int max = arr[0];
            int sum = 0;
            for (int i = 0; i < arr.Length; i++)
            {
                if(sum > 0
解法1:暴力枚举 通过枚举所有的连续数组,计算它们的和,最后返回最大的和。 时间复杂度:O(n^2) 代码: class Solution: def maxSubArray(self, nums: List[int]) -> int: max_sum = float('-inf') for i in range(len(nums)): cur_sum = 0 for j in range(i, len(nums)): cur_sum += nums[j] if cur_sum > max_sum: max_sum = cur_sum return max_sum 解法2:动态规划 我们可以用 dp[i] 表示以第 i 个元素结尾的最大连续数组的和,那么 dp[i] 可以由 dp[i-1] 转移得到: dp[i] = max(dp[i-1] + nums[i], nums[i]) 时间复杂度:O(n) 代码: class Solution: def maxSubArray(self, nums: List[int]) -> int: dp = [0] * len(nums) dp[0] = nums[0] max_sum = nums[0] for i in range(1, len(nums)): dp[i] = max(dp[i-1] + nums[i], nums[i]) max_sum = max(max_sum, dp[i]) return max_sum 解法3:分治法 将数组分成左右两部分,分别出左半部分的最大数组、右半部分的最大数组以及跨越中心的最大数组,最后返回三者中的最大值。 时间复杂度:O(nlogn) 代码: class Solution: def maxSubArray(self, nums: List[int]) -> int: return self.helper(nums, 0, len(nums)-1) def helper(self, nums, left, right): if left > right: return float('-inf') mid = (left + right) // 2 left_max = self.helper(nums, left, mid-1) right_max = self.helper(nums, mid+1, right) cross_max = self.crossMax(nums, left, mid, right) return max(left_max, right_max, cross_max) def crossMax(self, nums, left, mid, right): left_max = float('-inf') cur_sum = 0 for i in range(mid, left-1, -1): cur_sum += nums[i] left_max = max(left_max, cur_sum) right_max = float('-inf') cur_sum = 0 for i in range(mid+1, right+1): cur_sum += nums[i] right_max = max(right_max, cur_sum) return left_max + right_max 解法4:贪心算法 我们可以从左到右遍历数组,记录当前连续数组的和 cur_sum 和最大连续数组的和 max_sum,如果 cur_sum 加上下一个数 nums[i] 小于 nums[i],那么从 nums[i] 开始重新计算 cur_sum。每次更新 max_sum,最后返回 max_sum 即可。 时间复杂度:O(n) 代码: class Solution: def maxSubArray(self, nums: List[int]) -> int: cur_sum = max_sum = nums[0] for i in range(1, len(nums)): cur_sum = max(nums[i], cur_sum+nums[i]) max_sum = max(max_sum, cur_sum) return max_sum
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值