题目:
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 1:
输入:nums = [-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 。
示例 2:
输入:nums = [1]
输出:1示例 3:
输入:nums = [0]
输出:0示例 4:
输入:nums = [-1]
输出:-1示例 5:
输入:nums = [-100000]
输出:-100000
可以看下b站Leetcode力扣 53 手画图解版|最大子序和 Maximum Subarray
动态规划方法一
分析:
关键 1:理解题意
题目要我们找出和最大的连续子数组的值是多少,「连续」是关键字,连续很重要,不是子序列。
题目只要求返回结果,不要求得到最大的连续子数组是哪一个。这样的问题通常可以使用「动态规划」解决。
关键 2:如何定义子问题(如何定义状态)
定义状态(定义子问题)
dp[i]:表示以 nums[i] 结尾 的 连续 子数组的最大和。
说明:「结尾」和「连续」是关键字。
状态转移方程(描述子问题之间的联系)
根据状态的定义,由于nums[i]
一定会被选取,并且以 nums[i]
结尾的连续子数组与以 nums[i-1]
结尾的连续子数组只相差一个元素 nums[i]
。
假设数组 nums
的值全都严格大于 0,那么一定有 dp[i] = dp[i - 1] + nums[i]
。
可是 dp[i - 1]
有可能是负数,于是分类讨论:
- 如果
dp[i - 1] > 0
,那么可以把nums[i]
直接接在 dp[i - 1]
表示的那个数组的后面,得到和更大的连续子数组; - 如果
dp[i - 1] <= 0
,那么nums[i]
加上前面的数 dp[i - 1]
以后值不会变大。于是 dp[i]
「另起炉灶」,此时单独的一个 nums[i]
的值,就是 dp[i]
。
以上两种情况的最大值就是 dp[i]
的值,写出如下状态转移方程:
记为「状态转移方程 1」。
状态转移方程还可以这样写,反正求的是最大值,也不用分类讨论了,就这两种情况,取最大即可,因此还可以写出状态转移方程如下:
记为「状态转移方程 2」。
思考初始值
dp[0] 根据定义,只有 1 个数,一定以 nums[0] 结尾,因此 dp[0] = nums[0]。
思考输出
这个问题的输出是把所有的 dp[0]、dp[1]、……、dp[n - 1] 都看一遍,取最大值
代码:
总结:
- 定义dp数组,dp数组中的每个值dp[i]代表着以nums[i]为结尾的最大子序和
- 写出状态转移方程dp[i] = Math.max(nums[i], nums[i] + dp[i - 1])
- 遍历dp数组,求得dp数组中的最大值,就是该题的答案
代码:
动态规划方法二
分析:
- 首先,不可避免的是要遍历数组,上来就先写好for循环
- 遍历的同时要记录两个值:一是子数组的和
tmpSum
;二是子数组的和在变化过程中产生的最大值res - 本题最重要的部分在于子数组的和的计算,核心代码就是
tmpSum = Math.max(tmpSum + num, num);
- 下面开始啰嗦地解释以上代码:
为什么是tmpSum + num
和 num
之间取最大值呢?
- 我们可以先考虑一下什么时候
tmpSum + num
会小于num
,也就是当前数num
之前的数的和是负数的时候,如果之前的数加起来是负数,又何必要把它加上呢?直接从当前数num
开始新的子数组不就好了?这种情况下tmpSum = num
- 那什么时候
tmpSum + num
会大于num
呢?就是当前数num
之前的数加起来是正数,因为本题并没有限制子数组的长度,只要之前的tmpSum
是正数,可以增加子数组和的大小,就给它加进来。这种情况下tmpSum = tmpSum + num
子数组和tmpSum
每变化一次,res
都要记录一下最大值,只要大了就更新
代码:
复杂度分析
时间复杂度:O(N)
空间复杂度:O(1)
参考:
leetcode题解1