文章最前: 我是Octopus,这个名字来源于我的中文名--章鱼;我热爱编程、热爱算法、热爱开源。所有源码在我的个人github ;这博客是记录我学习的点点滴滴,如果您对 Python、Java、AI、算法有兴趣,可以关注我的动态,一起学习,共同进步。
相关文章:
- LeetCode:55. Jump Game(跳远比赛)
- Leetcode:300. Longest Increasing Subsequence(最大增长序列)
- LeetCode:560. Subarray Sum Equals K(找出数组中连续子串和等于k)
文章目录:
题目描述:
给定一个整数数组 nums ,找到一个具有最大和的连续子数组(子数组最少包含一个元素),返回其最大和。
示例:
输入: [-2,1,-3,4,-1,2,1,-5,4],
输出: 6
解释: 连续子数组 [4,-1,2,1] 的和最大,为 6。
进阶: 如果你已经实现复杂度为 O(n) 的解法,尝试使用更为精妙的分治法求解。
java实现方法1:
/**
* 求数组的子数组和最大
*
* @param nums 数组
* @return 最大值
*/
private int maximumSubarray(int[] nums) {
if (nums == null || nums.length == 0) {
return 0;
}
int result = nums[0], sum = 0;
for (int i = 0; i < nums.length; i++) {
if (sum < 0) {
sum = nums[i];
} else {
sum += nums[i];
}
result = Math.max(result, sum);
}
return result;
}
时间复杂度:O(n)
空间复杂度:O(1)
python实现方法1:
def max_sub_array(self, nums: List[int]) -> int:
'''
获取到连续子数组最大值
Args:
nums:数组
Returns:
最大值
'''
result, max_value = nums[0], 0
for i in range(1, len(nums)):
if result < 0:
result = nums[i]
else:
result += nums[i]
max_value = max(result, max_value)
return max_value
时间复杂度:O(n)
空间复杂度:O(1)
java实现方法2:
/**
* 动态规划求解
*
* @param nums 数组
* @return 最大
*/
private int maximumSubarray2(int[] nums) {
if (nums == null || nums.length == 0) {
return 0;
}
int result = nums[0], sum = nums[0];
for (int i = 1; i < nums.length; ++i) {
// 主要是状态转换方程
sum = Math.max(sum + nums[i], nums[i]);
result = Math.max(result, sum);
}
return result;
}
时间复杂度:O(n)
空间复杂度:O(n)
python实现方法2:
def max_sub_array2(self, nums: List[int]) -> int:
'''
获取到连续子数组最大值
Args:
nums:数组
Returns:
最大值
'''
if not nums:
return 0
result, sum_value = nums[0], nums[0]
for i in range(1, len(nums)):
sum_value = max(sum_value + nums[i], nums[i])
result = max(result, sum_value)
return result
时间复杂度:O(n)
空间复杂度:O(n)