https://leetcode-cn.com/problems/maximum-subarray/
原题
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 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 。
示例 2:
输入:nums = [1]
输出:1
示例 3:
输入:nums = [0]
输出:0
示例 4:
输入:nums = [-1]
输出:-1
示例 5:
输入:nums = [-100000]
输出:-100000
提示:
1 <= nums.length <= 3 * 104
-105 <= nums[i] <= 105
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。
题目分析
这道题有多种解法,这里我们使用动态规划去解。
假设 nums 数组的长度为 n,下标从 0 到 n-1。
用 f(i) 代表以第 i 个数结尾的连续子数组的最大和,那么这道题的解法就是求 f(0) 到 f(n) 的最大值。
那我们拆解问题就可以拆解到 f(i) 是如何计算的,我们可以考虑到 nums[i] 单独成为一段还是加入 f(i - 1) 对应的那一段,这取决于 nums[i] 和 f(i - 1) + nums[i] 的大小,所以动态规划转移方程为:f(i) = max{f(i - 1) + nums[i], nums[i]}
代码如下:
const maxSubArray = (nums) => {
const dp = [nums[0]]
for (let i = 1; i < nums.length; i++) {
dp[i] = Math.max(nums[i], dp[i - 1] + nums[i])
}
return Math.max(...dp)
}
时间复杂度为 o(n),空间复杂度为 o(n)。
这里可以优化一下空间复杂度,因为我们只需要最大的值,所以我们可以使用变量 pre 来替代 dp 数组。
const maxSubArray = (nums) => {
let pre = nums[0]
let result = 0
for (let i = 1; i < nums.length; i++) {
pre = Math.max(nums[i], pre + nums[i])
result = Math.max(pre, result)
}
return result
}
时间复杂度为 o(n),空间复杂度为 o(1)。