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
.
看到这个题目,最简单的方法最容易想到的不考虑时间复杂度的方法就是双重循环,第二重循环找到每一个数向后开始相加最大的数,第一重循环找到最大的数。但是用这种方法会超时。我做了一个小改进,如果当前数小于等于0的话,第一重循环就跳过这个负数或0。因为负数加上去对最大的数产生的是返效果。
class Solution {
public:
int maxSubArray(vector
int sum = nums[0];
int max = sum;
int result = max;
for (int i = 0; i < nums.size(); i++) {
sum = nums[i];
max = sum;
result = result > max ? result:max;
if (sum <= 0) {
continue;
}
for (int j = i+1; j < nums.size(); j++) {
sum += nums[j];
max = max > sum ? max:sum;
}
result = result > max ? result:max;
}
return result;
}
};
上网翻找别人的博客找到了更好的解法:摘自http://www.cnblogs.com/grandyang/p/4377150.html
这道题让我们求最大子数组之和,并且要我们用两种方法来解,分别是O(n)的解法,还有用分治法Divide and Conquer Approach,这个解法的时间复杂度是O(nlgn),那我们就先来看O(n)的解法,定义两个变量res和curSum,其中res保存最终要返回的结果,即最大的子数组之和,curSum初始值为0,每遍历一个数字num,比较curSum + num和num中的较大值存入curSum,然后再把res和curSum中的较大值存入res,以此类推直到遍历完整个数组,可得到最大子数组的值存在res中,代码如下:
class Solution { public: int maxSubArray(vector<int>& nums) { int res = INT_MIN, curSum = 0; for (int num : nums) { curSum = max(curSum + num, num); res = max(res, curSum); } return res; } };和我的方法相比这种方法将我的两重循环结合到一起,当前和如果当前和加上下一个数如果小于下一个数,则当前值为下一个数,否则当前值为前一个当前值加上下个数。时间复杂度仅为O(n)
摘自http://www.cnblogs.com/grandyang/p/4377150.html
题目还要求我们用分治法Divide and Conquer Approach来解,这个分治法的思想就类似于二分搜索法,我们需要把数组一分为二,分别找出左边和右边的最大子数组之和,然后还要从中间开始向左右分别扫描,求出的最大值分别和左右两边得出的最大值相比较取最大的那一个,代码如下:
class Solution { public: int maxSubArray(vector<int>& nums) { if (nums.empty()) return 0; return helper(nums, 0, (int)nums.size() - 1); } int helper(vector<int>& nums, int left, int right) { if (left >= right) return nums[left]; int mid = left + (right - left) / 2; int lmax = helper(nums, left, mid - 1); int rmax = helper(nums, mid + 1, right); int mmax = nums[mid], t = mmax; for (int i = mid - 1; i >= left; --i) { t += nums[i]; mmax = max(mmax, t); } t = mmax; for (int i = mid + 1; i <= right; ++i) { t += nums[i]; mmax = max(mmax, t); } return max(mmax, max(lmax, rmax)); } };