Find the contiguous subarray within an array (containing at least one number) which has the largest sum.
For example, given the array [−2,1,−3,4,−1,2,1,−5,4]
,
the contiguous subarray [4,−1,2,1]
has the largest sum = 6
.
看到这个题第一反应是用一个二维数组表示数组A从第i到j之间的子数组的和,然后从中找出最大的,而且还要注意内存,因为数组较大,采用动态数组等可能会有memory limit之类的错误,因为数组较大,需要及时的delete,但是不幸还是发生了。。。。超时了。
思想如下:
超时代码:
class Solution {
public:
int maxSubArray(int A[], int n) {
// IMPORTANT: Please reset any member data you declared, as
// the same Solution instance will be reused for each test case.
int max = 0;
int *sum[n];
for (int i = 0; i < n ;i++){
//sum[i] = new int[n];
}
// vector<vector<int>>sum;
for(int i = 0 ;i < n;i++){
sum[i] = new int[n];
for(int j =i ;j<n;j++){
if(i == j){
sum [i][j] = A[i];
}
else{
sum [i][j] = sum[i][j-1] + A[j];
}
if( max < sum[i][j] ){
max = sum[i][j];
}
}
delete sum[i];
}
return max;
}
};
后来仔细想想,上述解法由于有大量的加法重复,超时正常,这个题完全可以用动态规划来做,思想如下;
1对于数组A[0]~A[i-1] (数组大小为n),其最大子数组的和肯定和A[0]~A[i-2](数组大小为i-1)这个子数组相关,这时需要考虑A[i-1]这个数:有两种情况:1)A[i-1]应该包含在最大子数组,2)不包含。这其中有一个非常重要的地方要注意:如果A[i]不能包含在最大子数组中,由于子数组是连续的,因此A[i]之后的数也不能包含在这个子数组中。
2.用max[i]来表示前i个数组成的数组的最大和,即从A[0]~A[i-1]的最大和,因此对于数组A[0]~A[i-1]而言,只要考虑两种情况:
1)A[i-1]不包含,只需要考虑max[i-2]的情况即可;
2)A[i-1]包含,也有两种情况:
《1》max[i-2] + A[i-1] > A[i-1] 把A[i-1]直接加入子数列,即子数列加入A[i-1]后,最大值能够增加, 此时max[i-1] =max[i-2] + A[i-1]
《2》max[i-2] + A[i-1] < A[i-1] (即前面的最大值是负数),子数列直接从A[i-1]开始,即前i个数的子数组最大和重新开始计算,为max[i-1] = A[i-1] 。
3 从上所知:max[i]其实是包含第i个元素的子数列的最大和 (关键!!!!!)因此,只需要考虑max这个数组中的最大值就可以了。。。。
示意图如下:
代码如下:
class Solution {
public:
int maxSubArray(int A[], int n) {
// Start typing your C/C++ solution below
// DO NOT write int main() function
if(n==0) return 0;
if(n==1) return A[0];
int result=A[0];
//max[i]代表有i元素的最大子数组的和
int max[n];
max[0] = A[0];
for (int i = 1; i < n; ++i) {
//判断加入A[i]后的子数列能够比A[i]大,
//如果大,把该元素加入子数组,否则,新的字数从A[i]开始
if(max[i-1] + A[i] > A[i]){
max[i] = max[i-1]+A[i];
}
else {
max[i] = A[i];
}
//判断有i元素的最大子数组的和是否比原有的最大值大。。。
if(max[i] > result){
result = max[i];
}
}
return result;
}
};
续:想到几个例子,可以防止想错这个题,最基本的是100,2,-1 ;这个比较重要100,-1,100;
又仔细看了这个题,发现自己说的有点说不通,重新审视上述算法,这个算法叫Kadane算法,这个算法的精髓在这个地方:
如果有一个子数组的和是最大的,A[i....j],那么对于任何k,这里i<=k<=j,这里的A[i...k]的和一定是非负的,否则最大子数组就把这块除去了。那么我们能得到这么一个想法:
把数组中所有满足上述条件的子数组(暂时称之为大数组)拿出来比较一下,谁的和最大,谁就是最大子数组。如何比较?
设m之前的子数组叫做A[m]的前缀,如果m的前缀非负,那么m和m的前缀组成的子数组就算是一个大数组,用这个大数组的和与一个maxSum比较一下,取较大的值就行了;如果m的前缀是负的,那么m和其前缀一定不能组成大数组了,好,我们把这个m单独放在一个大数组中,也和maxSum比一下。
这样的想法代码很简洁(48ms):
class Solution {
public:
int maxSubArray(int A[], int n) {
int index = 0;
int maxSum = A[index];
int pre = A[index];
for(int i=1;i<n;i++){
//此时的pre是前i-1个元素的最大子数组和
if(pre>0){
pre+=A[i];
}
else{
pre = A[i];
}
//此时的pre其实已经是包含了第i个元素的最大子数组和
maxSum = max(maxSum,pre);
}
return maxSum;
}
};