dp/maximum-subarray
优质
小牛编辑
125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 2
O(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;
}
};