Maximum Subarray连续子序列最大和 -- LeetCode(经典动态规划)
来源:互联网 发布:crm node online 编辑:程序博客网 时间:2024/05/16 06:47
原题链接: http://oj.leetcode.com/problems/maximum-subarray/
这是一道非常经典的动态规划的题目,用到的思路我们在别的动态规划题目中也很常用,以后我们称为”局部最优和全局最优解法“。
基本思路是这样的,在每一步,我们维护两个变量,一个是全局最优,就是到当前元素为止最优的解是,一个是局部最优,就是必须包含当前元素的最优的解。接下来说说动态规划的递推式(这是动态规划最重要的步骤,递归式出来了,基本上代码框架也就出来了)。假设我们已知第i步的global[i](全局最优)和local[i](局部最优),那么第i+1步的表达式是:
local[i+1]=Math.max(A[i], local[i]+A[i]),就是局部最优是一定要包含当前元素,所以不然就是上一步的局部最优local[i]+当前元素A[i](因为local[i]一定包含第i个元素,所以不违反条件),但是如果local[i]是负的,那么加上他就不如不需要的,所以不然就是直接用A[i];
global[i+1]=Math(local[i+1],global[i]),有了当前一步的局部最优,那么全局最优就是当前的局部最优或者还是原来的全局最优(所有情况都会被涵盖进来,因为最优的解如果不包含当前元素,那么前面会被维护在全局最优里面,如果包含当前元素,那么就是这个局部最优)。
接下来我们分析一下复杂度,时间上只需要扫描一次数组,所以时间复杂度是O(n)。空间上我们可以看出表达式中只需要用到上一步local[i]和global[i]就可以得到下一步的结果,所以我们在实现中可以用一个变量来迭代这个结果,不需要是一个数组,也就是如程序中实现的那样,所以空间复杂度是两个变量(local和global),即O(2)=O(1)。
代码如下: 这道题虽然比较简单,但是用到的动态规划方法非常的典型,我们在以后的题目中还会遇到,大家还是要深入理解一下哈。我现在记得的用到的题目是Jump Game,以后有统计一下再继续更新。
这是一道非常经典的动态规划的题目,用到的思路我们在别的动态规划题目中也很常用,以后我们称为”局部最优和全局最优解法“。
基本思路是这样的,在每一步,我们维护两个变量,一个是全局最优,就是到当前元素为止最优的解是,一个是局部最优,就是必须包含当前元素的最优的解。接下来说说动态规划的递推式(这是动态规划最重要的步骤,递归式出来了,基本上代码框架也就出来了)。假设我们已知第i步的global[i](全局最优)和local[i](局部最优),那么第i+1步的表达式是:
local[i+1]=Math.max(A[i], local[i]+A[i]),就是局部最优是一定要包含当前元素,所以不然就是上一步的局部最优local[i]+当前元素A[i](因为local[i]一定包含第i个元素,所以不违反条件),但是如果local[i]是负的,那么加上他就不如不需要的,所以不然就是直接用A[i];
global[i+1]=Math(local[i+1],global[i]),有了当前一步的局部最优,那么全局最优就是当前的局部最优或者还是原来的全局最优(所有情况都会被涵盖进来,因为最优的解如果不包含当前元素,那么前面会被维护在全局最优里面,如果包含当前元素,那么就是这个局部最优)。
接下来我们分析一下复杂度,时间上只需要扫描一次数组,所以时间复杂度是O(n)。空间上我们可以看出表达式中只需要用到上一步local[i]和global[i]就可以得到下一步的结果,所以我们在实现中可以用一个变量来迭代这个结果,不需要是一个数组,也就是如程序中实现的那样,所以空间复杂度是两个变量(local和global),即O(2)=O(1)。
代码如下: 这道题虽然比较简单,但是用到的动态规划方法非常的典型,我们在以后的题目中还会遇到,大家还是要深入理解一下哈。我现在记得的用到的题目是Jump Game,以后有统计一下再继续更新。
教程参考屈婉玲的youtube视频:https://www.youtube.com/watch?v=WZuvWMfIfjA
源码搬https://www.youtube.com/watch?v=WZuvWMfIfjA链接:https://www.nowcoder.com/questionTerminal/459bd355da1549fa8a49e350bf3df484?orderByHotValue=1&page=4&onlyReference=false
来源:牛客网
/*
算法时间复杂度O(n)
用total记录累计值,maxSum记录和最大
基于思想:对于一个数A,若是A的左边累计数非负,那么加上A能使得值不小于A,认为累计值对
整体和是有贡献的。如果前几项累计值负数,则认为有害于总和,total记录当前值。
此时 若和大于maxSum 则用maxSum记录下来
*/
public
class
Solution {
public
int
FindGreatestSumOfSubArray(
int
[] array) {
if
(array.length==
0
)
return
0
;
else
{
int
total=array[
0
],maxSum=array[
0
];
for
(
int
i=
1
;i<array.length;i++){
if
(total>=
0
)
total+=array[i];
else
total=array[i];
if
(total>maxSum)
maxSum=total;
}
return
maxSum;
}
}
}
或者以下写法
程序源代码及分析:
Java源码:不改变数据A内元素值。
0 0
- Maximum Subarray连续子序列最大和 -- LeetCode(经典动态规划)
- LeetCode--Maximum Subarray 最大连续子序列和 (动态规划)
- Maximum Subarray 动态规划 最大连续子序列和
- 【LeetCode】Maximum Subarray (最大连续子序列和)
- leetcode | Maximum Subarray 最大连续子序列的和
- 【LeetCode】53.Maximum Subarray最大连续子序列和
- Leetcode#53. Maximum Subarray(连续子序列的最大和)
- Maximum Subarray 最大子数组和(连续)@LeetCode
- 动态规划经典题目:最大连续子序列和
- 动态规划dp经典题目:最大连续子序列和
- 最大连续子序列和:动态规划经典题目
- 最大连续子序列和:动态规划经典题目(2)
- 最大连续子序列和:动态规划经典题目
- 动态规划经典题目:最大连续子序列和
- leetcode动态规划之连续最大子序列和
- 53. Maximum Subarray 连续子序列的最大和
- leetcode 53. Maximum Subarray-最大子数组|动态规划
- [动态规划]最大连续子序列和
- 图片懒加载
- 【HDU 5635 LCP Array】
- Mac maven的配置
- Linux运行级别和运行模式
- C++第二次实验-选择设计结构-项目3(定期存款利息计算器)
- Maximum Subarray连续子序列最大和 -- LeetCode(经典动态规划)
- Webpack学习笔记
- selector
- C#基础知识之分支结构
- 在webstorm中可以git操作和github操作,省去了命令行的操作了,也可以add,commit,push,pull
- zabbix邮件报警脚本_简单版
- PAT_A 1031. Hello World for U (20)
- iframe宽高自适应
- 小型企业实现安全保障的12步战略