这道题刷了一遍还是不太熟练,总结一下几种解法;
方法一:动态规划
dp[i]
表示以数组第i个元素结尾的最大子序列,很容易写出递推公式如下:
dp[i]=dp[i-1]>0?dp[i-1]+nums[i]:nums[i];
实现代码如下,比较简单的动态规划,空间复杂度可以优化为O(1);
class Solution {
public:
int maxSubArray(vector<int>& nums) {
vector<int>dp(nums.size(),0);
dp[0]=nums[0];
int res=nums[0];
for(int i=1;i<nums.size();++i)
{
dp[i]=dp[i-1]>0?dp[i-1]+nums[i]:nums[i];
res=max(res,dp[i]);
}
return res;
}
};
方法二:
贪心思想,其实就是将动态规划空间复杂度优化了一下,与上一种方法本质一样。
代码如下:
class Solution {
public:
int maxSubArray(vector<int>& nums) {
int sum=0,res=nums[0];
for(int i=0;i!=nums.size();++i)
{
sum=sum>0?sum+nums[i]:nums[i];
if(res<sum)res=sum;
}
return res;
}
};
方法三:
分治的思想。要求一个数组的最大子序和,我们可以将其从中间切开,分为左右两个数组,当数组个数为1的时候显然可以直接得到最大子序和。问题复杂之处在于,数组整体最大子序列可能在左边数组,可能在右边数组,也可能横跨两个数组,关键在于如何处理第三种可能。
代码如下:
class Solution {
public:
int maxSubArray(vector<int>& nums) {
return help(nums,0,nums.size()-1);
}
int help(vector<int>&v,int l,int r)
{
int mi=l+(r-l)/2;
if(l>=r)return v[l];
auto lsum=help(v,l,mi);
auto rsum=help(v,mi+1,r);
auto msum=findmaxsum(v,l,mi,r);
return max(max(lsum,rsum),msum);
}
int findmaxsum(vector<int>&v,int l,int mi,int r)
{
int lmax=v[mi+1],rmax=v[mi],res1=lmax,res2=rmax;
for(int i=mi+2;i<=r;++i)
{
if(v[i]<0)
res1=max(res1,lmax);
lmax+=v[i];
}
res1=max(lmax,res1);
for(int i=mi-1;i>=l;--i)
{
if(v[i]<0)
res2=max(res2,rmax);
rmax+=v[i];
}
res2=max(rmax,res2);
return res1+res2;
}
};