最大子序和（動態規劃講解）

給定一個整數數組?nums?，找到一個具有最大和的連續子數組（子數組最少包含一個元素），返回其最大和。 示例: 輸入: [-2,1,-3,4,-1,2,1,-5,4], 輸出: 6 解釋: 連續子數組 [4,-1,2,1] 的和最大，為 6。 進階: 如果你已經實現復雜度為 O(n) 的解法，嘗試使用更為精妙的分治法求解。 重點在動態規劃。 1.采用的是s[j] -s[i]的方式，其中s[i] 和s[j]的查找的時間復雜度教大。 class Solution {public int maxSubArray(int[] nums) {if(nums.length==1)return nums[0];int sum[]=new int [nums.length+1];sum[0]=0;int temp=0;for(int i=1;i<nums.length+1;i++){sum[i]=sum[i-1]+nums[i-1];}int len=nums.length;int max=Integer.MIN_VALUE;for(int i=0;i<len+1;i++){for(int j=i+1;j<len+1;j++){if(sum[j]-sum[i]>max)max=sum[j]-sum[i];}}return max;} } 2.動態規劃解法

• 令狀態dp[i]表示以A[i]作為末尾的連續序列的最大和。比如[-2,1,-3,4,-1,2,1,-5,4] 一個序列，下標分別是0，1，2，3，4，5，6，7，8

dp[0]=-2 dp[1]=-1; dp[2]=-4; dp[3]=0; dp[4]=-1 通過設置一個dp數組，要求的最大和其實就是dp[0],dp[1]...dp[n-1]中的最大值，下面想辦法求解dp數組。

• 作如下考慮：因為dp[i]要求是必須以A[i]結尾的連續序列，那么只有兩種情況：

1.這個最大和的連續序列只有一個元素，以A[i]開始，A[i]結尾 2.這個最大和的連續序列多個元素，從前面A[p]開始（p<i),一直到A[i]結束。 對于第一種情況，最大和就是A[i]本身。 第二張，最大和是dp[i-1]+A[i]。 于是得到方程：dp[i]=max(dp[i-1]+A[i],A[i])。 邊界dp[0]=0. 于是從小到大輸出dp數組，找到他的最大值，即為最大子序列和。 class Solution {public int maxSubArray(int[] nums) {int dp[]=new int[nums.length+1];dp[0]=nums[0];for(int i=1;i<nums.length;i++){dp[i]=Math.max(dp[i-1]+nums[i],nums[i]); }int k=0;for(int i=0;i<nums.length;i++){if(dp[i]>dp[k])k=i;}return dp[k];} }

?

轉載于:https://www.cnblogs.com/patatoforsyj/p/9463945.html

與50位技術專家面對面20年技術見證，附贈技術全景圖

總結

以上是生活随笔為你收集整理的leetcode-最大子序和（动态规划讲解）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。