剑指offer 42 连续子数组的最大和

剑指offer 42 连续子数组的最大和

举例分析数组的规律

class Solution {
    public int maxSubArray(int[] nums) {
        int sum = 0;
        int res = nums[0];
        int len = nums.length;
        for(int i=0;i<len;i++){
            sum+=nums[i];
            if(sum<nums[i]){
                sum = nums[i];
            }

            if(res<sum){
                res = sum;
            }
        }
        return res;
    }
}

时间复杂度$O(n)$。
空间复杂度$O(1)$。

动态规划

用$dp[i]$来表示以第$i$个数字结尾的子数组的最大和，那么需要求出$max(dp[i])$，其中$0<=i<n$，递归公式：

这个公式的意义：当以第$i-1$个数字结尾的子数组中所有数字的和小于0时，如果把这个负数与第$i$个数累加，则得到的结果比第$i$个数字本身还要小，所以这种情况下以第$i$个数字结尾的子数组就是第$i$个数字本身。如果以第$i-1$个数字结尾的子数组中所有数字的和大于0，则与第$i$个数字累加就得到以第$i$个数字结尾的子数组中所有数字的和。

class Solution {
    public int maxSubArray(int[] nums) {
        int[] dp = new int[nums.length];
        int len = nums.length;
        int res;
        dp[0] = nums[0];
        for(int i=1;i<len;i++){
            if(dp[i-1]<=0){
                dp[i] = nums[i];
            }
            else{
                dp[i] = dp[i-1]+nums[i];
            }
        }
        res = dp[0];
        for (int i=1;i<len;i++){
            if(res<dp[i]){
                res = dp[i];
            }

        }
        return res;

    }
}

时间复杂度$O(n)$。
空间复杂度$O(n)$，使用额外的数组来保存中间值。

动态规划改进（空间复杂度降低）

• 由于$dp[i]$只与$dp[i-1]$和$nums[i]$有关系，因此可以将原数组$nums$用作$dp$列表，直接在$nums$上修改即可。
• 由于省去$dp$列表使用的额外空间，因此空间复杂度从$O(n)$降到$O(1)$。

class Solution {
    public int maxSubArray(int[] nums) {
        
        int len = nums.length;
        int res;
        
        for(int i=1;i<len;i++){
            if(nums[i-1]>0){
                nums[i] = nums[i-1]+nums[i];
            }
        }
        res = nums[0];
        for(int i=1;i<len;i++){
            if(res<nums[i]){
                res = nums[i];
            }
        }
        return res;

    }
    
}

时间复杂度$O(n)$。
空间复杂度$O(1)$。