淘先锋技术网

首页 1 2 3 4 5 6 7

❓ 剑指 Offer 42. 连续子数组的最大和

难度:简单

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 < = a r r . l e n g t h < = 1 0 5 1 <= arr.length <= 10^5 1<=arr.length<=105
  • $-100 <= arr[i] <= 100

注意:本题与 53. 最大子数组和 相同。

💡思路:动态规划

定义 dp 数组, dp[i]代表以元素 nums[i] 为结尾的连续子数组最大和。

  • dp[i−1] < 0 ,说明 dp[i−1]dp[i] 产生负贡献,即 dp[i−1]+nums[i] 还不如 nums[i] 本身大。
    • dp[i−1]>=0 时,执行:
      d p [ i ] = d p [ i − 1 ] + n u m s [ i ] dp[i]=dp[i−1]+nums[i] dp[i]=dp[i1]+nums[i]
    • dp[i−1]<0 时,执行 :
      d p [ i ] = n u m s [ i ] dp[i]=nums[i] dp[i]=nums[i]
  • 初始状态: dp[0]=nums[0],即以 nums[0] 结尾的连续子数组最大和为nums[0]

优化

  • 观察发现 dp[i] 只与 dp[i−1]nums[i] 有关系,因此可以第一个变量 sum 存储 dp[i] 的值,即存储以元素 nums[i] 为结尾的连续子数组最大和。
  • 由于省去 dp 列表使用的额外空间,因此空间复杂度从 O ( n ) O(n) O(n) 降至 O ( 1 ) O(1) O(1)

🍁代码:(C++、Java)

C++

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        int ans = nums[0];
        int sum = 0;
        for(int num : nums){
            sum = sum < 0 ? num : sum + num;
            ans = max(ans, sum);
        }
        return ans;
    }
};

Java

class Solution {
    public int maxSubArray(int[] nums) {
        int ans = nums[0];
        int sum = 0;
        for(int num : nums){
            sum = sum < 0 ? num : sum + num;
            ans = Math.max(ans, sum);
        }
        return ans;
    }
}

🚀 运行结果:

在这里插入图片描述

🕔 复杂度分析:

  • 时间复杂度 O ( n ) O(n) O(n),其中 n 为数组 nums 的长度,我们只需要遍历一遍数组即可求得答案。
  • 空间复杂度 O ( 1 ) O(1) O(1),我们只需要常数空间存放若干变量。

题目来源:力扣。

放弃一件事很容易,每天能坚持一件事一定很酷,一起每日一题吧!
关注我LeetCode主页 / CSDN—力扣专栏,每日更新!

注: 如有不足,欢迎指正!