C++最大自序和

最大子序列和

  • 自大子序列和问题描述
    • 暴力破解法
    • 动态规划
    • 贪心算法

自大子序列和问题描述

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。

来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/maximum-subarray
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。

暴力破解法

使用暴力破解法,类似于求最大值的问题,计算所有情况的结果,时间复杂度O(n3):

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
    	int size = nums.size();
        int result = TNT_MIN;
        for(int i = 0 ; i<size ;i++){
        	int sum = 0;
        	for(int j = i ; j<size ;j++){
        		sum += nums[j];
        	}
        	if(result < sum) result = sum;
     	}
     	return result;   	
    }
};

动态规划

动态规划法,依据前一次计算得出的最优解,与这次计算进行比较,得出当前步骤下的最优解。

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
    	int size = nums.size();
        int result = nums[0];
        int dp = result;
        for(int i = 1 ; i<size ; i++){
        	dp = max(num[i],dp+nums[i]);//用dp记录每次计算的最优解
        	if(dp > result) result = dp;
        }
     	return result;   	
    }
};

贪心算法

贪心算法,即在问题求解中,总是选择当前情况下最好的结果,不考虑总体的情况。
在本题当中,每次向后加上一个数,都会选择加或者不加两种情况当中最好的一个结果,即当nums[i]为正数,则是好情况,可以采纳,否则包留原结果。当遇到负数,则不采纳这一数字,将sum置零。

class solution{
public:
	int maxSubArray(vector<int>& nums){
	    int size = nums.size();
	    int result = TNT_MIN;
	    int sum = 0;
	    for(int i = 0 ; i<size ;i++){
	    	sum += nums[i];
	    	result = max(result,sum);
	    	if(sum < 0) sum = 0;
	    }
	    return result;
	}
}

你可能感兴趣的:(算法#动态规划)