輸入一個整型陣列,陣列裡有正數也有負數。陣列中的一個或連續多個整陣列成一個子陣列。求所有子陣列的和的最大值。
要求時間複雜度為O(n)。
示例1:
輸入: nums = [-2,1,-3,4,-1,2,1,-5,4]
輸出: 6
解釋: 連續子陣列 [4,-1,2,1] 的和最大,為 6。
提示:
1 <= arr.length <= 10^5
-100 <= arr[i] <= 100
方法一:動態規劃
解題思路:
常見解法 | 時間複雜度 | 空間複雜度 |
---|---|---|
暴力搜尋 | O(N^2) | O(1) |
分治思想 | O(NlogN) | O(logN) |
動態規劃 | O(N) | O(1) |
動態規劃是本題的最優解法,以下按照標準流程解題。
動態規劃解析:
狀態定義: 設動態規劃列表 dp,dp[i] 代表以元素 nums[i] 為結尾的連續子樹組最大和。
- 為何定義最大和 dp[i] 中必須包含元素 nums[i]:保證 dp[i] 遞推到 dp[i+1] 的正確性:如果不包含 nums[i],遞推時則不滿足題目的 連續子陣列 的要求。
轉移方程: 若 dp[i-1]<=0,說明 dp[i-1] 對 dp[i] 產生負貢獻,即 dp[i+1] + nums[i] 還不如 nums[i] 本身大。
- 當 dp[i-1] > 0 時:執行 dp[i] = dp[i-1] + nums[i];
- 當 dp[i-1] <= 0 時:執行 dp[i] = nums[i];
初始狀態: dp[0]=nums[0],即以 nums[0] 結尾的連續子陣列的最大和為 nums[0]。
返回值: 返回 dp 列表中的最大值,代表全域性最大值。
空間複雜度降低:
- 由於 dp[i] 只與 dp[i-1] 和 nums[i] 有關係,因此可以將原陣列 nums 用作 dp 列表,即直接在 nums 上修改即可。
- 由於省去 dp 列表使用的額外空間,因此空間複雜度從 O(N) 降至 O(1)。
複雜度分析
- 時間複雜度: 線性遍歷陣列 nums 即可獲得結果,使用 O(N) 時間。
- 空間複雜度: 使用常數大小的額外空間。
程式碼
class Solution {
public int maxSubArray(int[] nums) {
int res = nums[0];
for(int i = 1; i < nums.length; i++) {
nums[i] += Math.max(nums[i - 1], 0);
res = Math.max(res, nums[i]);
}
return res;
}
}
個人理解
- 確定動態規劃解題思路: 沒有經驗的話把這道題想成用動態規劃去解決還是很難的,這題能用動態規劃去實現,有一個很重要的一點,確定狀態,想到用 dp[i] 來表示到 nums[i] 的最大值這個很重要。
- 狀態轉移方程: 因為我們要進行空間最佳化,所以我們省去了 dp 陣列,而是將原來的 nums 陣列當成 dp 陣列,所以我們應該想到狀態轉移方程為
nums[i] += (nums[i-1] > 0) ? nums[i-1] : 0;
。 - 大小比較: 這個我是第一次使用,
Math.max()
方法,裡面要傳入兩個值,所以每次 for 迴圈都要比較。
題解來源
作者:jyd
連結:leetcode-cn.com/problems/lian-xu-z...
來源:力扣(LeetCode)
來源:力扣(LeetCode)
連結:leetcode-cn.com/problems/lian-xu-z...
著作權歸領釦網路所有。商業轉載請聯絡官方授權,非商業轉載請註明出處。
本作品採用《CC 協議》,轉載必須註明作者和本文連結