LeetCode第53题解析

最新推荐文章于 2023-10-02 21:14:24 发布

iblue_coffee

最新推荐文章于 2023-10-02 21:14:24 发布

阅读量568

点赞数 1

CC 4.0 BY-SA版权

分类专栏： LeetCode 动态规划

本文链接：https://blog.csdn.net/blue_coffeei/article/details/108110507

LeetCode 同时被 2 个专栏收录

94 篇文章

订阅专栏

动态规划

18 篇文章

订阅专栏

这篇博客介绍了LeetCode第53题的解题过程，探讨了如何寻找一个整数数组中具有最大和的连续子数组。文中详细解释了暴力法、动态规划、状态压缩、贪心算法以及分治法这五种不同的解决方案，并对每种方法进行了深入的思路解析。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

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:

输入: [-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。

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。

解题思路：

解法一：暴力法

class Solution {
public:
    //暴力解法
    int maxSubArray(vector<int>& nums) {
        if(nums.empty()) return 0;
        int max = INT_MIN;
        int n = nums.size();
        //两层循环
        for(int i = 0; i < n; ++i) {
            int sum = 0;
            for(int j = i; j < n; ++j) {
                sum += nums[j];
                if(sum > max) {
                    max = sum;
                }
            }
        }
        return max;
    }
};

解法二：一维数组DP

class Solution {
public:
    //动态规划,一维数组
    int maxSubArray(vector<int>& nums) {
        //if(nums.empty()) return 0;
        vector<int> dp(nums);
        int n = nums.size();
        //需要一个数来记录最后的返回结果
        int res = dp[0];
        for(int i = 1; i < n; ++i) {
            //DP方程
            dp[i] = max(dp[i], dp[i-1]+dp[i]);
            res = max(res, dp[i]);
        }
        return res;
    }
};

解法三：状态压缩，单个数DP

class Solution {
public:
    //动态规划,一维数组
    int maxSubArray(vector<int>& nums) {
        //if(nums.empty()) return 0;
        int dp = nums[0];
        int n = nums.size();
        //需要一个数来记录最后的返回结果
        int res = dp;
        for(int i = 1; i < n; ++i) {
            //DP方程
            dp = max(nums[i], dp+nums[i]);
            res = max(res, dp);
        }
        return res;
    }
};

解法四：贪心算法

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        int res = INT_MIN;
        int sum = 0;
        for(int i = 0; i < nums.size(); ++i) {
            sum += nums[i];
            res = max(res, sum);
            //如果sum小于0，则重新寻找子串
            if(sum < 0) {
                sum = 0;
            }
        }
        return res;
    }
};

解法五：分治法

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        return maxSubArray(nums, 0, nums.size() - 1);
    }
private:
    int maxSubArray(vector<int>& nums, int l, int r) {
        if (l > r) {
            return INT_MIN;
        }
        int m = l + (r - l) / 2, ml = 0, mr = 0;
        int lmax = maxSubArray(nums, l, m - 1);
        int rmax = maxSubArray(nums, m + 1, r);
        for (int i = m - 1, sum = 0; i >= l; i--) {
            sum += nums[i];
            ml = max(sum, ml);
        }
        for (int i = m + 1, sum = 0; i <= r; i++) {
            sum += nums[i];
            mr = max(sum, mr);
        }
        return max(max(lmax, rmax), ml + mr + nums[m]);
    }
};