题目地址(53. 最大子数组和)

题目地址(53. 最大子数组和)

https://leetcode-cn.com/problems/maximum-subarray/

题目描述

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。

 

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


 

提示：

1 <= nums.length <= 105
-104 <= nums[i] <= 104

 

进阶：如果你已经实现复杂度为 O(n) 的解法，尝试使用更为精妙的 分治法 求解。

前置知识

• 滑动窗口
• 动态规划

公司

• 阿里
• 百度
• 字节
• 腾讯
• bloomberg
• linkedin
• microsoft

思路

关键点

• 解法一：

  • 使用分治法，将任务分解，从两个角度来观察用递归实现的分治法。

  1. 从上到下（由大到小）：
     我们把数组nums以中间位置（m)分为左（left)右(right)两部分. 那么有， left = nums[0]…nums[m - 1] 和 right = nums[m + 1]…nums[n-1]
     最大子序列和的位置有以下三种情况：

     • 考虑中间元素nums[m], 跨越左右两部分，这里从中间元素开始，往左求出后缀最大，往右求出前缀最大, 保持连续性。
     • 不考虑中间元素，最大子序列和出现在左半部分，递归求解左边部分最大子序列和
     • 不考虑中间元素，最大子序列和出现在右半部分，递归求解右边部分最大子序列和
       分别求出三种情况下最大子序列和，三者中最大值即为最大子序列和。

  2. 从小到大：
     从上往下（大数组如何划分为小数组）：

     左边数组	中间值	右边数组	中间值合并前缀和、后缀和结果
     -inf	中间值	-inf	中间值
     -inf	第一个值	第二个值	max(中间值，中间值+第二个值)
     第一个元素	中间值	第三个元素	max(中间值，中间值+第一个值，中间值+第三个值)

  该解法每次将数组分为三部分，一次计算中间值+前后缀和（两个循环实现），一次计算左边最大子序列，一次计算右边子序列。
  递归的判断边界：至少处理一个节点；如果l>r，返回-inf。
  递归划分条件：helper(l,mid-1) ; helpder(mid+1,r)
  

• 解法二：

动态规划的难点在于找到状态转移方程，

dp[i] - 表示到当前位置 i 的最大子序列和

状态转移方程为：dp[i] = max(dp[i - 1] + nums[i], nums[i])

初始化：dp[0] = nums[0]

从状态转移方程中，我们只关注前一个状态的值，所以不需要开一个数组记录位置所有子序列和，只需要两个变量，

currMaxSum - 累计最大和到当前位置i

maxSum - 全局最大子序列和:

currMaxSum = max(currMaxSum + nums[i], nums[i])
maxSum = max(currMaxSum, maxSum)

代码

• 语言支持：Python3

Python3 Code:
解法一：

# import sys
class Solution:
    def maxSubArray(self, nums: List[int]) -> int:
        return self.helper(nums, 0, len(nums)-1)
    
    def helper(self, nums, l, r):
        if l>r:
            return -sys.maxsize
        mid = (l+r) // 2
        left = self.helper(nums, l, mid-1)
        right = self.helper(nums, mid+1, r)
        # 默认左边后缀和以及右边前缀和都为0
        left_suffix_max_sum = right_prefix_max_sum = 0
        sum = 0
        for i in reversed(range(l,mid)):
            sum += nums[i]
            left_suffix_max_sum = max(left_suffix_max_sum, sum)
        sum = 0
        for i in range(mid+1, r+1):
            sum += nums[i]
            right_prefix_max_sum = max(right_prefix_max_sum, sum)
        cross_max_sum = left_suffix_max_sum + right_prefix_max_sum + nums[mid]
        return max(cross_max_sum,left, right)

复杂度分析

令 n 为数组长度。

• 时间复杂度：$O(nlogn)$
• 空间复杂度：$O(nlogn)$

解法二：

class Solution:
    def maxSubArray(self, nums: List[int]) -> int:
        n = len(nums)
        max_sum_ending_curr_index = max_sum = nums[0]
        for i in range(1,n):
            max_sum_ending_curr_index = max(max_sum_ending_curr_index+nums[i],nums[i])
            max_sum = max(max_sum_ending_curr_index, max_sum)
        return max_sum

复杂度分析

令 n 为数组长度。

• 时间复杂度：$O(n)$
• 空间复杂度：$O(1)$

参考

1. 解题思路