[LeetCode] 53. Maximum Subarray
Given an integer array nums, find the contiguous subarray (containing at least one number) which has the largest sum and return its sum.
A subarray is a contiguous part of an array.
Example 1:
Input: nums = [-2,1,-3,4,-1,2,1,-5,4]
Output: 6
Explanation: [4,-1,2,1] has the largest sum = 6.
Example 2:
Input: nums = [1]
Output: 1
Example 3:
Input: nums = [5,4,-1,7,8]
Output: 23
Constraints:
1 <= nums.length <= 105
-104 <= nums[i] <= 104
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.
最大子数组。
给你一个整数数组 nums ,请你找出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。
子数组 是数组中的一个连续部分。
来源:力扣(LeetCode)
链接:https://leetcode.cn/problems/maximum-subarray
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。
思路
思路是动态规划,我参考了这个帖子,写的非常好,解释了 DP 的定义是怎么来的。设 dp[i] 是以 nums[i] 结尾的子数组的和。扫描数组,当遇到某个数 nums[i] 的时候,需要判断 dp[i - 1] 是否小于 0。如果小于 0,nums[i] + dp[i - 1] 的结果只会拖累当前的 dp[i];如果大于 0,可以将 dp[i] = dp[i - 1] + nums[i] 。最后返回过程中找到的最大的 dp[i] 即可。
复杂度
时间O(n)
空间O(n)
代码
Java实现
class Solution {
public int maxSubArray(int[] nums) {
int[] dp = new int[nums.length];
dp[0] = nums[0];
int res = nums[0];
for (int i = 1; i < nums.length; i++) {
dp[i] = nums[i] + (dp[i - 1] < 0 ? 0 : dp[i - 1]);
res = Math.max(res, dp[i]);
}
return res;
}
}
优化
这种 DP 的思路也有节省空间的做法,其实我们并不一定需要知道每个 dp[i] 值的大小,我们只需要在遍历过程中记录一下最大的 dp 值即可。思路也是很类似,如果之前的值 prev 小于 0,一定会拖累 cur 的,所以 cur = nums[i];反之如果 prev 大于 0,cur就变为 nums[i] + prev。每次用 res 记录一下当前的子数组的最大值之后,就可以把 cur 赋给 prev 以达到节省空间的目的了。
时间O(n)
空间O(1)
代码
Java实现
class Solution {
public int maxSubArray(int[] nums) {
int prev = nums[0];
int cur = nums[0];
int res = nums[0];
for (int i = 1; i < nums.length; i++) {
if (prev < 0) {
cur = nums[i];
} else {
cur = prev + nums[i];
}
res = Math.max(res, cur);
prev = cur;
}
return res;
}
}
优化二
还有另外一种思路,类似 DP 的做法,是去求局部最大和整体最大。设两个变量 sum 和 res,sum 记录当遍历到 nums[i] 的时候,sum + nums[i] 是否对值的扩大有帮助;res 记录最大的 sum 值。
时间O(n)
空间O(1)
代码
Java实现
class Solution {
public int maxSubArray(int[] nums) {
int res = nums[0];
int sum = nums[0];
for (int i = 1; i < nums.length; i++) {
sum = Math.max(nums[i], sum + nums[i]);
res = Math.max(res, sum);
}
return res;
}
}
相关题目
53. Maximum Subarray
152. Maximum Product Subarray
918. Maximum Sum Circular Subarray
978. Longest Turbulent Subarray
1186. Maximum Subarray Sum with One Deletion
2272. Substring With Largest Variance