力扣:53. 最大子数组和
双指针法:
class Solution {
public:
int maxSubArraySum(const vector<int>& nums) {
if (nums.empty()) return 0;
int max_so_far = nums[0];
int current_max = nums[0];
for (size_t i = 1; i < nums.size(); ++i) {
current_max = max(nums[i], current_max + nums[i]);
max_so_far = max(max_so_far, current_max);
}
return max_so_far;
}
};
int main() {
vector<int> nums = { 1,4,5,6,2,6,1,6,8,3,5,8,23,234,65,1,5,77,76,8,3,3,5,65,4,32,35,6,8,3,5,356,365 };
Solution solution;
int ret = solution.maxSubArraySum(nums);
cout << ret << endl;
return 0;
}
这段代码是 Kadane 算法的核心,用于计算一个整数数组中的最大子数组和。让我们逐行分析这段代码:
for (size_t i = 1; i < nums.size(); ++i) {
这是一个 for 循环,从数组的第二个元素开始(索引 1),直到数组的最后一个元素。size_t 是一个无符号整数类型,通常用于循环计数器和表示大小。
i 是当前遍历到的数组元素的索引。
current_max = std::max(nums[i], current_max + nums[i]);
这行代码执行了两个操作的 max 比较:
nums[i]:当前元素的值。
current_max + nums[i]:当前元素的值加上之前的最大子数组和(current_max)。
std::max 函数返回两个参数中较大的那个。因此,这行代码的目的是决定是应该将当前元素单独作为一个新的子数组起始点(即 nums[i]),还是应该将当前元素添加到之前的最大子数组中(即 current_max + nums[i])。
更新后的 current_max 要么是当前元素的值,要么是扩展了当前元素的最大子数组和。
max_so_far = std::max(max_so_far, current_max);
这行代码再次使用 std::max 函数来更新 max_so_far。
max_so_far 是迄今为止找到的最大子数组和。
我们比较 max_so_far 和更新后的 current_max,并将 max_so_far 更新为两者中较大的值。这样,max_so_far 就保存了遍历过程中遇到的最大子数组和。
这个循环的工作原理是,它遍历数组的每个元素,并在每一步都决定是应该开始一个新的子数组还是继续当前的子数组,以最大化子数组的和。通过这种方式,算法能够动态地找到最大的连续子数组和。
Kadane 算法的时间复杂度是 O(n),其中 n 是数组 nums 的长度,因为算法只需要遍历数组一次。这种方法在处理最大子数组和问题时非常高效,特别是当数组很大时。