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:
输入: [-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。
进阶:
如果你已经实现复杂度为 O(n) 的解法,尝试使用更为精妙的分治法求解。
思路1:贪心(动态规划)
使用单个数组作为输入来查找最大(或最小)元素(或总和)的问题,贪心算法是可以在线性时间解决的方法之一。
每一步都选择最佳方案,到最后就是全局最优的方案。
算法:
该算法通用且简单:遍历数组并在每个步骤中更新:
当前元素
当前元素位置的最大和
迄今为止的最大和
class Solution {
public int maxSubArray(int[] nums) {
if(nums.length==1)
return nums[0];
int currentMax=nums[0];
int sumMax=nums[0];
for(int i=1;i<nums.length;i++){
currentMax=Math.max(nums[i],currentMax+nums[i]);
sumMax=Math.max(currentMax,sumMax);
}
return sumMax;
}
}
思路2:分治
这个是使用分治法解决问题的典型的例子,并且可以用与合并排序相似的算法求解。下面是用分治法解决问题的模板:
定义基本情况。
将问题分解为子问题并递归地解决它们。
合并子问题的解以获得原始问题的解。
算法:
当最大子数组有 n 个数字时:
若 n==1,返回此元素。
left_sum 为最大子数组前 n/2 个元素,在索引为 (left + right) / 2 的元素属于左子数组。
right_sum 为最大子数组的右子数组,为最后 n/2 的元素。
cross_sum 是包含左右子数组且含索引 (left + right) / 2 的最大值。
class Solution {
public int crossSum(int[] nums, int left, int right, int p) {
if (left == right) return nums[left];
int leftSubsum = Integer.MIN_VALUE;
int currSum = 0;
for(int i = p; i > left - 1; --i) {
currSum += nums[i];
leftSubsum = Math.max(leftSubsum, currSum);
}
int rightSubsum = Integer.MIN_VALUE;
currSum = 0;
for(int i = p + 1; i < right + 1; ++i) {
currSum += nums[i];
rightSubsum = Math.max(rightSubsum, currSum);
}
return leftSubsum + rightSubsum;
}
public int helper(int[] nums, int left, int right) {
if (left == right) return nums[left];
int p = (left + right) / 2;
int leftSum = helper(nums, left, p);
int rightSum = helper(nums, p + 1, right);
int crossSum = crossSum(nums, left, right, p);
return Math.max(Math.max(leftSum, rightSum), crossSum);
}