42. 连续子数组的最大和【DP】
1. 问题
输入一个整型数组,数组中的一个或连续多个整数组成一个子数组。求所有子数组的和的最大值。
要求时间复杂度为O(n)。
示例1:
输入: nums = [-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。
提示:
1 <= arr.length <= 10^5
-100 <= arr[i] <= 100
2. 标签
分治
动态规划
3. 解法 - 动态规划
3.1 Java
class Solution {
public int maxSubArray(int[] nums) {
// 状态数组
// dp[i] 表示以元素 nums[i] 结尾的连续子数组的最大和
int[] dp = new int[nums.length];
// 边界值
dp[0] = nums[0];
// 最大和
int max = dp[0];
// 状态转移
for (int i = 1; i < nums.length; i++) {
if (dp[i - 1] <= 0) {
// 此时说明 dp[i-1] 产生负贡献,还没有 nums[i]大,给 dp[i] 赋值为 nums[i] 即可
dp[i] = nums[i];
} else {
// 此时说明 dp[i-1] 产生正贡献,累加上 nums[i] 后赋值给 dp[i] 即可
dp[i] = dp[i - 1] + nums[i];
}
// 若 dp[i] 大于 max,更新最大值即可
if (dp[i] > max)
max = dp[i];
}
// 返回最大值
return max;
}
}
3.2 Kotlin
class Solution {
fun maxSubArray(nums: IntArray): Int {
// 状态数组
// dp[i] 表示以元素 nums[i] 结尾的连续子数组的最大和
val dp = IntArray(nums.size)
// 边界值
dp[0] = nums[0]
// 最大和
var max = dp[0]
// 状态转移
for (i in 1 until nums.size) {
if (dp[i - 1] <= 0) {
// 此时说明 dp[i-1] 产生负贡献,还没有 nums[i]大,给 dp[i] 赋值为 nums[i] 即可
dp[i] = nums[i]
} else {
// 此时说明 dp[i-1] 产生正贡献,累加上 nums[i] 后赋值给 dp[i] 即可
dp[i] = dp[i - 1] + nums[i]
}
// 若 dp[i] 大于 max,更新最大值即可
if (dp[i] > max)
max = dp[i]
}
// 返回最大值
return max
}
}
3.3 复杂度分析
时间复杂度
O(N)
:线性遍历数组需要O(N)
时间。空间复杂度
O(N)
:状态数组 dp 占用了O(N)
空间。
3.4 优化
由于 dp[i]
只和 dp[i-1]
以及 nums[i]
有关,所以可以直接把 nums
数组当作状态数组,即在 nums
上直接修改即可,这样可以使得空间复杂度从 O(N)
降到 O(1)
。
class Solution {
public int maxSubArray(int[] nums) {
int maxValue = nums[0];
for (int i = 1; i < nums.length; i++) {
// 注意这里是 += 不是 =
nums[i] += Math.max(nums[i - 1], 0);
maxValue = Math.max(nums[i], maxValue);
}
return maxValue;
}
}
4. 参考
最后更新于
这有帮助吗?