其他分享
首页 > 其他分享> > LeetCode53_Maximum Subarray

LeetCode53_Maximum Subarray

作者:互联网

此题本身实现比较简单,但对复杂度的要求和分治的要求不太会实现,这其实是一个典型的动态规划问题,局部最优与全局最优的经典解法可以实现一遍循环即得结果。

题目如下:

 

Given an integer array nums, find the contiguous subarray (containing at least one number) which has the largest sum and return its 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.

先贴自己的第一版代码(遍历的方法是可以实现的,但是会超时,两层遍历其实非常笨拙了)

int maxSubArray(int* nums, int numsSize) {
    int i,j;
    int count=numsSize;
    int site,temp,sum=nums[0];
    while(count>0){
        for(i=0;i<count;i++){
            temp=0;
            for(j=0;j<numsSize-count+1;j++){temp=temp+nums[i+j];}//这是每句
            if(temp>sum){sum=temp;}
        }
        count--;
    }
    return sum;

}

 

参考的代码来自https://blog.csdn.net/linhuanmars/article/details/21314059,里面写得非常清楚:

    这是一道非常经典的动态规划的题目,用到的思路我们在别的动态规划题目中也很常用,以后我们称为“局部最优和全局最优解法“。

    基本思路是这样的,在每一步,我们维护两个变量,一个是全局最优,就是到当前元素为止最优的解是,一个是局部最优,就是必须包含当前元素的最优的解。接下来说说动态规划的递推式(这是动态规划最重要的步骤,递归式出来了,基本上代码框架也就出来了)。假设我们已知第i步的global[i](全局最优)和local[i](局部最优),那么第i+1步的表达式是:
    local[i+1]=Math.max(A[i], local[i]+A[i]),就是局部最优是一定要包含当前元素,所以不然就是上一步的局部最优local[i]+当前元素A[i](因为local[i]一定包含第i个元素,所以不违反条件),但是如果local[i]是负的,那么加上他就不如不需要的,所以不然就是直接用A[i];
    global[i+1]=Math(local[i+1],global[i]),有了当前一步的局部最优,那么全局最优就是当前的局部最优或者还是原来的全局最优(所有情况都会被涵盖进来,因为最优的解如果不包含当前元素,那么前面会被维护在全局最优里面,如果包含当前元素,那么就是这个局部最优)。
    接下来我们分析一下复杂度,时间上只需要扫描一次数组,所以时间复杂度是O(n)。空间上我们可以看出表达式中只需要用到上一步local[i]和global[i]就可以得到下一步的结果,所以我们在实现中可以用一个变量来迭代这个结果,不需要是一个数组,也就是如程序中实现的那样,所以空间复杂度是两个变量(local和global),即O(2)=O(1)。

链接里的代码是用JAVA写的,这里我改成了C语言的描述,具体如下:

int maxSubArray(int* nums, int numsSize) {
    int i;
    int global = nums[0];
    int local = nums[0];  
    if(numsSize==0){return 0;}//考虑数组为空的情况,直接返回0;
    for(i=1;i<numsSize;i++){//一层遍历,时间复杂度为0(n);
    local=((nums[i]>local+nums[i])?nums[i]:local+nums[i]);   //求局部最优,只考虑局部的情况,是该数值大,还是local加上该数值大,不仅可以遍历单个元素的和,还可以遍历连续的数组元素,因为local总是从当前值和当前值加local里面选取最大值,所以不会出现不相邻子数组的情况;
     global=(local>global?local:global);   //求全局最优;

    }
    return global;

}

java版本相对于c语言版本改动很少,但运行速度不佳

class Solution {
    public int maxSubArray(int[] nums) {
    int global = nums[0];
    int local = nums[0];  
    if(nums.length==0){return 0;}
    for(int i=1;i<nums.length;i++){
        local=((nums[i]>local+nums[i])?nums[i]:local+nums[i]);
        global=(local>global?local:global);
    }
    return global;
    }
}

标签:global,nums,int,sum,LeetCode53,Maximum,Subarray,最优,local
来源: https://blog.csdn.net/lilililililydia/article/details/81042981