Maximum Subarray

描述

Find the contiguous subarray within an array (containing at least one number) which has the largest sum.

For example, given the array [−2,1,−3,4,−1,2,1,−5,4],the contiguous subarray [4,−1,2,1] has the largest sum = 6.

分析

最大连续子序列和，非常经典的题。

当我们从头到尾遍历这个数组的时候，对于数组里的一个整数，它有几种选择呢？它只有两种选择： 1、加入之前的SubArray；2. 自己另起一个SubArray。那什么时候会出现这两种情况呢？

如果之前SubArray的总体和大于0的话，我们认为其对后续结果是有贡献的。这种情况下我们选择加入之前的SubArray

如果之前SubArray的总体和为0或者小于0的话，我们认为其对后续结果是没有贡献，甚至是有害的（小于0时）。这种情况下我们选择以这个数字开始，另起一个SubArray。

设状态为f[j]，表示以S[j]结尾的最大连续子序列和，则状态转移方程如下：

f[j]=max{f[j−1]+S[j],S[j]},1≤j≤nf[j] = \max\left{f[j-1]+S[j],S[j]\right}, 1 \leq j \leq n

target=max{f[j]},1≤j≤ntarget = \max\left{f[j]\right}, 1 \leq j \leq n

解释如下：

  • 情况一，S[j]不独立，与前面的某些数组成一个连续子序列，则最大连续子序列和为f[j-1]+S[j]。

  • 情况二，S[j]独立划分成为一段，即连续子序列仅包含一个数S[j]，则最大连续子序列和为S[j]。
    其他思路：

  • 思路2：直接在i到j之间暴力枚举，复杂度是O(n^3)

  • 思路3：处理后枚举，连续子序列的和等于两个前缀和之差，复杂度O(n^2)。
  • 思路4：分治法，把序列分为两段，分别求最大连续子序列和，然后归并，复杂度O(nlog n)
  • 思路5：把思路2O(n^2)的代码稍作处理，得到O(n)的算法
  • 思路6：当成M=1的最大M子段和

    动规

  1. // Maximum Subarray
  2. // 时间复杂度O(n)，空间复杂度O(1)
  3. public class Solution {
  4.     public int maxSubArray(int[] nums) {
  5.         int maxLocal = nums[0];
  6.         int global = nums[0];
  7.         for (int i = 1; i < nums.length; ++i) {
  8.             maxLocal = Math.max(nums[i], nums[i] + maxLocal);
  9.             global = Math.max(global, maxLocal);
  10.         }
  11.         return global;
  12.     }
  13. }

思路5

  1. // Maximum Subarray
  2. // 时间复杂度O(n)，空间复杂度O(n)
  3. public class Solution {
  4.     public int maxSubArray(int[] nums) {
  5.         return mcss(nums, 0, nums.length);
  6.     }
  7.     // 思路5，求最大连续子序列和
  8.     private static int mcss(int[] nums, int begin, int end) {
  9.         final int n = end - begin;
  10.         int[] sum = new int[n + 1];  // 前n项和
  12.         int result = Integer.MIN_VALUE;
  13.         int cur_min = sum[0];
  14.         for (int i = 1; i <= n; i++) {
  15.             sum[i] = sum[i - 1] + nums[begin  + i - 1];
  16.         }
  17.         for (int i = 1; i <= n; i++) {
  18.             result = Math.max(result, sum[i] - cur_min);
  19.             cur_min = Math.min(cur_min, sum[i]);
  20.         }
  21.         return result;
  22.     }
  23. }

相关题目

原文: https://soulmachine.gitbooks.io/algorithm-essentials/content/java/dp/maximum-subarray.html