題目:
給定一個整數數組 nums ,找到一個具有最大和的連續子數組(子數組最少包含一個元素),返回其最大和。
示例:
輸入: [-2,1,-3,4,-1,2,1,-5,4],
輸出: 6
解釋: 連續子數組 [4,-1,2,1] 的和最大,爲 6。
進階:
如果你已經實現複雜度爲 O(n) 的解法,嘗試使用更爲精妙的分治法求解。
代碼;
/**
* @作者:dhc
* @創建時間:14:18 2018/8/8
* @描述:53.最大子串和
*
*/
public class FiftyThree {
//方法1.1:三重for循環求出所有子串和 (leetCode超出時間限制)
public int maxSubArray1(int[] nums){
int sum = nums[0];
for (int i = 0; i < nums.length; i++) {
for (int j = i; j < nums.length; j++) {
int thissum = 0;
for (int k = i; k <= j; k++) {
thissum+=nums[k];
}
if(thissum > sum){
sum = thissum;
}
}
}
return sum;
}
//方法1.2,對方法1.1的優化
public static int maxSubArray2(int[] nums){
int sum = nums[0];
for (int i = 0; i < nums.length; i++) {
int thissum = 0;
for (int j = i; j < nums.length; j++) {
thissum += nums[j];
if(thissum > sum){
sum = thissum;
}
}
}
return sum;
}
//方法二:滿足最優子結構的性質,因爲如果假如結果子串的子串和不是最大,那麼
// 和結果子串的和是矛盾的,同時也滿足重疊子問題,在方法一種用一個二維數組保存之前已經計算過的子串和值,
//並且在計算更長子串時用到了之前的值,這個方法通過了200/202個測試例子,後面超出內存限制了,所以還需要
// 更好的算法O(n2)
public int maxSubArray3(int[] nums) {
if(nums.length == 1){
return nums[0];
}
//保存最大值
int re = Integer.MIN_VALUE;
//保存子問題的值,行表示子串長度,列表示子串的結束下標,值存子串和
int[][] sumArray = new int[nums.length][nums.length];
for (int i = 0; i < nums.length; i++) {
if(nums[i] > re){
re = nums[i];
}
sumArray[0][i] = nums[i];
}
int tem = 0;
//此時循環的長度爲i+1
for (int i = 1; i < nums.length; i++) {
//求所有某一長度的子串的和
for(int j = i;j<nums.length;j++){
tem = nums[j]+sumArray[i-1][j-1];
if(tem > re){
re = tem;
}
sumArray[i][j] = tem;
}
}
return re;
}
//方法三,分治法。我們將整個序列分成nums[1:n/2]和nums[n/2:n],結果有三種情況
//1.結果和nums[1:n/2]的最大子串和相等
//2.結果和nums[n/2:n]的最大子串和相等
//3.結果是nums[1:n/2]中某個元素到nums[n/2:n]中某個元素的子串的和,這種情況,可以知道這個
//序列中包含了nums[n/2]和nums[n/2+1],因此可以從這兩個數分別想左向右求出最大子串和在相加,即
//是最大子串和,這步操作的複雜度爲O(n)。對於1,2可以用遞歸來求出子最大串和
//代碼優點問題,思路沒錯,實在沒調處來
public static int maxSubArray4(int[] nums){
return subMsa(nums,0,nums.length - 1);
}
public static int subMsa(int[] nums,int left,int right){
int sum;
if(left == right){
sum = nums[left];
}else{
int middle = (left+right)/2;
int leftSum = subMsa(nums,left,middle);
int rightSum = subMsa(nums, middle + 1, right);
int lm = nums[middle];
int rm = nums[middle+1];
int lefts = 0;
int rights = 0;
for (int i = middle; i >= left ; i--) {
lefts += nums[i];
if(lefts > lm){
lm = lefts;
}
}
for (int i = middle + 1; i <= right ; i++) {
rights += nums[i];
if(rights > lm){
rm = rights;
}
}
sum = lm + rm;
if(sum < leftSum){
sum = leftSum;
}
if(sum < rightSum){
sum = rightSum;
}
}
return sum;
}
//方法四。動態規劃。
public static int maxSubArray5(int[] nums){
int sum = nums[0];
int b = 0;
for (int i = 0; i < nums.length; i++) {
if(b>0){
b+=nums[i];
}else{
b = nums[i];
}
if(b > sum){
sum = b;
}
}
return sum;
}
public static void main(String[] args) {
int[] nums = new int[]{-2,1,-3,4,-1,2,1,-5,4};
System.out.println(maxSubArray5(nums));
}
}