原文链接: https://leetcode-cn.com/problems/contiguous-sequence-lcci
英文原文
You are given an array of integers (both positive and negative). Find the contiguous sequence with the largest sum. Return the sum.
Example:
Input: [-2,1,-3,4,-1,2,1,-5,4] Output: 6 Explanation: [4,-1,2,1] has the largest sum 6.
Follow Up:
If you have figured out the O(n) solution, try coding another solution using the divide and conquer approach, which is more subtle.
中文题目
给定一个整数数组,找出总和最大的连续数列,并返回总和。
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。
通过代码
高赞题解
动态规划
状态: dp[i]表示以i结尾的最大连续子序列
状态转移:
对于当前的nums[i]
如果nums[i-1] >= 0 dp[i-1] >= 0 则 dp[i] = dp[i-1] + nums[i];
否则 dp[i] = nums[i];
其实我们可以把nums当做dp数组,直接在原数组上面操作,这样可以省掉O(n)的空间
// 动态规划
int maxSubArray(vector<int>& nums) {
if(nums.size() == 0) return INT_MIN;
int maxSum = nums[0];
for(int i = 1; i < nums.size(); i++)
{
if(nums[i-1] >= 0)
nums[i] += nums[i-1];
maxSum = max(maxSum, nums[i]);
}
return maxSum;
}
时间复杂度:O(N)
空间复杂度:O(1)
分治法
注释已经写得很清楚了,这里就不在阐述
// 分治法
int maxSubArray(vector<int>& nums)
{
if(nums.size() == 0) return INT_MIN;
return divide(nums,0,nums.size()-1);
}
int divide(vector<int>& nums, int left, int right)
{
if(left == right) return nums[left];
int mid = (left + right) / 2;
// 1. 最大数列和在左边
int sumLeft = divide(nums,left,mid);
// 2. 最大数列和在右边
int sumRight = divide(nums,mid+1,right);
// 3. 最大数列和在中间
// 先求左边的最大和
int leftSum = 0,leftMaxSum = INT_MIN;
for(int i = mid; i >= left; i--)
{
leftSum += nums[i];
leftMaxSum = max(leftMaxSum,leftSum);
}
// 求右边的最大和
int rightSum = 0,rightMaxSum = INT_MIN;
for(int i = mid + 1; i <= right; i++)
{
rightSum += nums[i];
rightMaxSum = max(rightMaxSum,rightSum);
}
return max(max(sumLeft,sumRight),leftMaxSum+rightMaxSum);
}
时间复杂度:O(NlogN)
空间复杂度:O(1) 考虑函数栈开销的话就是O(N)
统计信息
通过次数 | 提交次数 | AC比率 |
---|---|---|
35792 | 59799 | 59.9% |
提交历史
提交时间 | 提交结果 | 执行时间 | 内存消耗 | 语言 |
---|