leetcode面试题42. 连续子数组的最大和
总结一道leetcode上的高频题,反反复复遇到了好多次,特别适合作为一道动态规划入门题,本文将详细的从读题开始,介绍解题思路。
题目
面试题42. 连续子数组的最大和
地址:https://leetcode-cn.com/problems/lian-xu-zi-shu-zu-de-zui-da-he-lcof/
描述
输入一个整型数组,数组里有正数也有负数。数组中的一个或连续多个整数组 成一个子数组。求所有子数组的和的最大值。
要求时间复杂度为O(n)。
示例
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。
动态规划
这道题网上的解法有很多,这里介绍一下动态规划的解法,首先我们应该思考这道题可不可以使用动态规划来做?
动态规划解决的问题是多阶段决策最优模型,也可以理解成全局最优。一个问题的解决过程,对应着多个决策阶段,每一个决策阶段都对应着一组状态。我们要做的就是寻找一组决策序列,最终产生期望的最优解。
这里隐含着使用动态规划的几个条件
最优子结构:最终的最优解,可以通过子结构的最优解推导出来。
无后效性:我们关注的问题是状态。状态一旦确定了,就不受后续决策阶段的影响。
分析
我们分析一下这道题,全局最优解是序列子数组的最大和,但是这里我们可以把这道题进行一个拆分:
1.求以arr[i]结尾的序列子数组最大和组成的数组dp
2.数组dp中求最大值
这样我们就可以得到一个dp方程:dp[n] = Max(dp[n - 1] + arr[n], arr[n]);(这道题的难点就在于这里,需要进行一个转换)
代码
1class Solution {
2 public int maxSubArray(int[] nums) {
3 int max = nums[0];
4 int tmp = nums[0];
5 for(int i = 1; i < nums.length; i++){
6 tmp = Math.max(tmp + nums[i], nums[i]);
7 max = Math.max(tmp, max);
8 }
9 return max;
10 }
11}
这里使用了一个tmp变量,代替了图解中的dp数组,节省了一部分存储空间。
结果
最后,期待您的订阅和点赞,专栏每周都会更新,希望可以和您一起进步,同时也期待您的批评与指正!