【LeetCode】53. Maximum Subarray

53. Maximum Subarray

Description：
Given an integer array nums, find the contiguous subarray (containing at least one number) which has the largest sum and return its sum.
Difficulty：Easy
Example:

Input: [-2,1,-3,4,-1,2,1,-5,4],
Output: 6
Explanation: [4,-1,2,1] has the largest sum = 6.

Follow up:
If you have figured out the O(n) solution, try coding another solution using the divide and conquer approach, which is more subtle.

方法1：Dynamic Programming

• Time complexity : $O\left(n\right)$
• Space complexity : $O\left(1\right)$
  思路：
  回忆一下动态规划的四个步骤：
  1、描述优解的结构特征。
  2、递归地定义一个最优解的值。
  3、自底向上计算一个最优解的值。
  4、从已计算的信息中构造一个最优解。
  核心是找到子问题的结构：
  如果将子问题分解成maxSubArray(int A[], int i, int j)，很难找到子问题和原问题的关系
  换个分解方式maxSubArray(int A[], int i)，子问题和原问题的关系如下
  maxSubArray(A, i) = maxSubArray(A, i - 1) > 0 ? maxSubArray(A, i - 1) : 0 + A[i];

// 第一版， 写的不优雅，比较烂
class Solution {
public:
    int maxSubArray(vector<int>& nums) {
		int max_sum = INT_MIN;
		int temp_sum = 0;
		for (int i = 0; i < nums.size(); i++) {
			temp_sum += nums[i];
			if (temp_sum > max_sum)
				max_sum = temp_sum;
			if (temp_sum <= 0)
				temp_sum = 0;
		}
		return max_sum;
    }
};
// 第二版， 优化版
class Solution {
public:
    int maxSubArray(vector<int>& nums) {
		int max_sum = INT_MIN;
		int temp_sum = 0;
		for (int i = 0; i < nums.size(); i++) {
			temp_sum = nums[i] + (temp_sum > 0 ? temp_sum : 0);
		    max_sum = max(max_sum, temp_sum);
		}
		return max_sum;
    }
};