#53 Maximum Subarray最大子串和
来源:互联网 发布:超级马里奥mac版 编辑:程序博客网 时间:2024/05/22 18:21
题目:
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
.
题解:
比较经典的一个问题,是学习的好材料。
解1:穷举,O(n²)复杂度,意料中的超时。
public class Solution { public int maxSubArray(int[] nums) { int subsum; int maxsum=nums[0];//注意这里不是int maxsum=<strong>0</strong>; int len=nums.length; for(int i=0;i<len;i++){ subsum=0; for(int j=i;j<len;j++) subsum+=nums[i]; maxsum=Math.max(subsum,maxsum); } return maxsum; }}
解2:&&Kadane算法
这是我的解法。和Kadane算法 相似有没有,很激动有没有!由于相似,所以放在一起说明了。
首先有这样的结论,对于nums[1,...,n],如果nums[i,...,j]是满足和最大的子串,那么对于任意的i=<k<=j,有nums[i,...,k]的和大于0。利用一个数组sum[i]记录局部子串和。遍历数组,对于i,若sun[i-1]>0,则将nums[i]加入之前子串,并记录子串和sum[i]=sun[i-1]+nums[i],否则nums[i]单开子串,记录子串和sum[i]=nums[i]。最后维护一个全局最大值max,即使返回的最大子串和。
public class Solution { public int maxSubArray(int[] nums) { int[] sum = new int[nums.length]; int maxsub = nums[0]; sum[0] = nums[0]; for(int i = 1; i < nums.length; i++){ sum[i] = Math.max(nums[i], sum[i - 1] + nums[i]); maxsub = Math.max(maxsub, sum[i]); } return maxsub; }}
Kadane算法 :
原理:将数组从左到右分割为若干子串,使得除了最后一个子串之外,其余子串的各元素之和小于0,且对于所有子串nums[i...j]和任意k(i<=k<j),有nums[i...k]的和大于0。满足条件的和最大子串,只能是上述某个子串的前缀,而不可能跨越多个子串。
原理详细可参考:http://blog.csdn.net/joylnwang/article/details/6859677
执行流程:从头到尾遍历目标数组,将数组分割为满足上述条件的子串,同时得到各子串的最大前缀和,然后比较各子串的最大前缀和,得到最终答案。
public class Solution { public int maxSubArray(int[] nums) { int max_ending_here = 0; int max_so_far = nums[0]; for(int i = 0; i < nums.length; i++){ if(max_ending_here < 0) max_ending_here = 0; max_ending_here += nums[i]; max_so_far = Math.max(max_so_far, max_ending_here); } return max_so_far; }}
解3:分治法:
最大子串和的区间有以下三种情况(low,high分别为左右边界,mid为(low+high)/2):(1) 区间完全在 A[low,mid-1];(2) 区间完全在 A[mid+1,high];(3) 区间包含有 A[mid],等价于从中间元素开始往左累加的最大值 + 从中间元素开始往右累加的最大值
public class Solution { public int maxSubArray(int[] nums) { return divide(nums, 0, nums.length-1); } public int divide(int nums[], int low, int high){ if(low == high) return nums[low]; if(low == high-1) return Math.max(nums[low]+nums[high], Math.max(nums[low], nums[high])); int mid = (low+high)/2; int lmax = divide(nums, low, mid-1); int rmax = divide(nums, mid+1, high); int mmax = nums[mid]; int tmp = mmax; for(int i = mid-1; i >=low; i--){ tmp += nums[i]; if(tmp > mmax) mmax = tmp; } tmp = mmax; for(int i = mid+1; i <= high; i++){ tmp += nums[i]; if(tmp > mmax) mmax = tmp; } return Math.max(mmax, Math.max(lmax, rmax)); }}
- #53 Maximum Subarray最大子串和
- LeetCode-53-Maximum Subarray(最大和子串)
- leetcode-53 Maximum Subarray 连续子数组的最大和
- [leetcode 53] Maximum Subarray----最大子数组的和
- LeetCode 53 Maximum Subarray 最大子序列和
- 求最大子序列和 LeetCode 53 Maximum Subarray
- [Leetcode-53]Maximum Subarray 最大子数组和
- LeetCode: -Dynamic Programming-Maximum Subarray[53]-子数组最大和
- 53/152 Maximum Product Subarray /Maximum Subarray(子序列之 和/积 最大)
- 最大子串和问题(Maximum Subarray)
- 最大子串和问题(Maximum Subarray)
- leetcode笔记:Maximum Subarray(最大子串和问题)
- 最大子串和问题(Maximum Subarray)
- 最大子串和问题(Maximum Subarray)
- Maximum Subarray【最大子串和问题】【容易】
- leetcode 53. Maximum Subarray DP+最大子串和
- 53. Maximum Subarray 最大子串和问题
- Maximum Subarray 最大连续子数和
- python 字典,列表,元组
- MyEclipse8.0“Initializing Java Tooling"
- session和cookie的区别
- Libevent源码分析之event结构体初识
- Java之——RMI远程过程调用(插曲)
- #53 Maximum Subarray最大子串和
- 隐马尔科夫模型(Hidden Markov Models)
- 如果你也面试07 TCP
- 阿里云中标“金关工程二期”大数据云项目,总金额8568万!(含标单)
- Maven创建项目的过程
- 微软虚拟化
- jQuerry 方面的问题(求解答)
- Linux内核中的jiffies及其作用介绍及jiffies等相关函数详解
- iOS8 UITableView 分割条设置separator intent = 0 不起作用