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];
局部最优和全局最优解法
- 首先local[i]表示以a[i]为结尾的子序列的最大的和,则global = max{local[0], ... , local[n-1]} 。 global即为答案。而local[i + 1]只有两个选择,要不就是和之前的数字连在一起组成一个序列,或者自己a[i+1]独立组成一个序列,哪个大选哪个,local[i+1] = max{ a[i+1], local[i] + a[i+1] }.
#include<vector>
#include<algorithm>
#include<cstdio>
#include <unordered_map>
#include <cmath>
#include <string>
#include <set>
using namespace std;
class Solution {
private:
int max(int a, int b)
{
return a>b? a:b;
}
public:
int maxSubArray(vector<int>& nums) {
int size = (int)nums.size();
int local = nums[0];
int global = local;
for (int i = 1; i < size; i++)
{
local = max(local + nums[i], nums[i]);
global = max(local, global);
}
return global;
}
};
分治法
易知,对于一数字序列,其最大连续子序列和对应的子序列可能出现在三个地方。或是整个出现在输入数据的前半部(左),或是整个出现在输入数据的后半部(右),或是跨越输入数据的中部从而占据左右两半部分。前两种情况可以通过递归求解,第三种情况可以通过求出前半部分的最大和(包含前半部分的最后一个元素)以及后半部分的最大和(包含后半部分的第一个元素)而得到,然后将这两个和加在一起即可。
#include<vector>
#include<algorithm>
#include<cstdio>
#include <unordered_map>
#include <cmath>
#include <string>
#include <set>
using namespace std;
class Solution {
private:
int max(int a, int b)
{
return a>b? a:b;
}
int maxSubSum(vector<int>& nums, int l, int r)
{
if (l == r) return nums[l];
int mid = (l + r)/2;
int wholeLeft = maxSubSum(nums, l, mid);
int wholeRight = maxSubSum(nums, mid+1, r);
int partleft = nums[mid];
int sum = partleft;
for (int i = mid-1; i>= l; i--)
{
sum += nums[i];
partleft = max(partleft, sum);
}
int partright = nums[mid+1];
int sum2 = partright;
for (int i = mid + 2; i <= r; i++)
{
sum2 += nums[i];
partright = max(partright, sum2);
}
return max(max(wholeRight, wholeLeft), partright + partleft);
}
public:
int maxSubArray(vector<int>& nums) {
int size = (int)nums.size();
return maxSubSum(nums, 0, size-1);
}
};