写在前面
1,c++中可以通过下标的变换实现类似python的切片功能
2,c++中的理论最小/大值:INT_MIN / INT_MAX
3,类似寻找最大最小值的题目,初始值一定要定义成理论上的最小最大值
4,寻找最大值的基操:确定初始值,遍历+max函数 (刷题的时候还是尽量使用封装好了的函数吧)
5,关于数组声明大小的问题!!!
一:如果想要像使用数组一样的赋值方式,如indexForNearest[0]=5。vector申明时必须指定大小如vector indexForNearest(3)。
二:int len = 1;--》 vector<int> f(len); int f[len]; 数组的初始化:vector声明可以接收变量,但是传统数组声明不可以接受变量
题目描述:
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。
最开始的思路就是分治法,但是苦于c++数组的操作繁琐,最终用python的切片功能才写得通顺些
class Solution:
def maxSubArray(self, nums: List[int]) -> int:
n = len(nums)
#递归终止条件
if n == 1:
return nums[0]
else:
#递归计算左半边最大子序和
max_left = self.maxSubArray(nums[0:len(nums) // 2])
#递归计算右半边最大子序和
max_right = self.maxSubArray(nums[len(nums) // 2:len(nums)])
#计算中间的最大子序和,从右到左计算左边的最大子序和,从左到右计算右边的最大子序和,再相加
max_l = nums[len(nums) // 2 - 1]
tmp = 0
for i in range(len(nums) // 2 - 1, -1, -1):
tmp += nums[i]
max_l = max(tmp, max_l)
max_r = nums[len(nums) // 2]
tmp = 0
for i in range(len(nums) // 2, len(nums)):
tmp += nums[i]
max_r = max(tmp, max_r)
#返回三个中的最大值
return max(max_right,max_left,max_l+max_r)
暴力法
找出所有可能的子序和的最大值
class Solution
{
public:
int maxSubArray(vector<int> &nums)
{
//类似寻找最大最小值的题目,初始值一定要定义成理论上的最小最大值
int max = INT_MIN;
int numsSize = int(nums.size());
for (int i = 0; i < numsSize; i++)
{
int sum = 0;
for (int j = i; j < numsSize; j++)
{
sum += nums[j];
if (sum > max)
{
max = sum;
}
}
}
return max;
}
};
动态规划走一波 耗时:81.82% 内存:5%
dp[i] 代表以nums[i] 结尾的子序列的最大值,在(连续相加)和(从此开始)两种情况下变换
class Solution
{
public:
int maxSubArray(vector<int> &nums){
int len = nums.size();
int dp[len];
dp[0] = nums[0];
int result = dp[0];
for(int i = 1; i < len; i++){
dp[i] = max(dp[i-1] + nums[i], nums[i]);
result = max(result, dp[i]);
}
return result;
}
};