当前位置: 首页 > 文档资料 > 算法珠玑 >

dp/maximum-subarray

优质
小牛编辑
126浏览
2023-12-01

Maximum Subarray

描述

Find the contiguous subarray within an array (containing at least one number) which has the largest sum.

For example, given the array [−2,1,−3,4,−1,2,1,−5,4], the contiguous subarray [4,−1,2,1] has the largest sum = 6.

分析

最大连续子序列和,非常经典的题。

当我们从头到尾遍历这个数组的时候,对于数组里的一个整数,它有几种选择呢?它只有两种选择: 1、加入之前的 SubArray;2. 自己另起一个 SubArray。那什么时候会出现这两种情况呢?

如果之前 SubArray 的总体和大于 0 的话,我们认为其对后续结果是有贡献的。这种情况下我们选择加入之前的 SubArray

如果之前 SubArray 的总体和为 0 或者小于 0 的话,我们认为其对后续结果是没有贡献,甚至是有害的(小于 0 时)。这种情况下我们选择以这个数字开始,另起一个 SubArray。

设状态为f[j],表示以S[j]结尾的最大连续子序列和,则状态转移方程如下:

$$f[j] = \max\left{f[j-1]+S[j],S[j]\right}, 1 \leq j \leq n$$

$$target = \max\left{f[j]\right}, 1 \leq j \leq n$$

解释如下:

  • 情况一,S[j]不独立,与前面的某些数组成一个连续子序列,则最大连续子序列和为f[j-1]+S[j]
  • 情况二,S[j]独立划分成为一段,即连续子序列仅包含一个数 S[j],则最大连续子序列和为S[j]

其他思路:

  • 思路 2:直接在 i 到 j 之间暴力枚举,复杂度是O(n^3)
  • 思路 3:处理后枚举,连续子序列的和等于两个前缀和之差,复杂度O(n^2)
  • 思路 4:分治法,把序列分为两段,分别求最大连续子序列和,然后归并,复杂度O(nlog n)
  • 思路 5:把思路 2O(n^2)的代码稍作处理,得到O(n)的算法
  • 思路 6:当成 M=1 的最大 M 子段和

动规

// Maximum Subarray
// 时间复杂度O(n),空间复杂度O(1)
public class Solution {
    public int maxSubArray(int[] nums) {
        int maxLocal = nums[0];
        int global = nums[0];
        for (int i = 1; i < nums.length; ++i) {
            maxLocal = Math.max(nums[i], nums[i] + maxLocal);
            global = Math.max(global, maxLocal);
        }
        return global;
    }
}
// Maximum Subarray
// 时间复杂度O(n),空间复杂度O(1)
class Solution {
public:
    int maxSubArray(const vector<int>& nums) {
        int maxLocal = nums[0];
        int global = nums[0];
        for (int i = 1; i < nums.size(); ++i) {
            maxLocal = max(nums[i], nums[i] + maxLocal);
            global = max(global, maxLocal);
        }
        return global;
    }
};

思路 5

// Maximum Subarray
// 时间复杂度O(n),空间复杂度O(n)
public class Solution {
    public int maxSubArray(int[] nums) {
        return mcss(nums, 0, nums.length);
    }
    // 思路5,求最大连续子序列和
    private static int mcss(int[] nums, int begin, int end) {
        final int n = end - begin;
        int[] sum = new int[n + 1];  // 前n项和

        int result = Integer.MIN_VALUE;
        int cur_min = sum[0];
        for (int i = 1; i <= n; i++) {
            sum[i] = sum[i - 1] + nums[begin  + i - 1];
        }
        for (int i = 1; i <= n; i++) {
            result = Math.max(result, sum[i] - cur_min);
            cur_min = Math.min(cur_min, sum[i]);
        }
        return result;
    }
}
// Maximum Subarray
// 时间复杂度O(n),空间复杂度O(n)
class Solution {
public:
    int maxSubArray(vector<int>& A) {
        return mcss(A.begin(), A.end());
    }
private:
    // 思路5,求最大连续子序列和
    template <typename Iter>
    static int mcss(Iter begin, Iter end) {
        int result, cur_min;
        const int n = distance(begin, end);
        int *sum = new int[n + 1];  // 前n项和

        sum[0] = 0;
        result = INT_MIN;
        cur_min = sum[0];
        for (int i = 1; i <= n; i++) {
            sum[i] = sum[i - 1] + *(begin  + i - 1);
        }
        for (int i = 1; i <= n; i++) {
            result = max(result, sum[i] - cur_min);
            cur_min = min(cur_min, sum[i]);
        }
        delete[] sum;
        return result;
    }
};

相关题目