Maximum Subarray
【題目】
Given an integer array nums
, find the contiguous subarray (containing at least one number) which has the largest sum and return its sum.
Example:
Input: [-2,1,-3,4,-1,2,1,-5,4],
Output: 6
Explanation: [4,-1,2,1] has the largest sum = 6.
Follow up:
If you have figured out the O(n) solution, try coding another solution using the divide and conquer approach, which is more subtle.
【分析】
這是一道非常簡單的算法題,但是實現的方法卻有很多種。在本篇文章中,博主想介紹三種巧妙的方法,這三種方法在面試和刷題過程中有非常廣泛的應用。
方法一:Kadane算法
算法描述:
- 遍歷該數組, 在遍歷過程中, 將遍歷到的元素依次累加起來, 當累加結果小於或等於0時, 從下一個元素開始,重新開始累加。
- 累加過程中, 要用一個變量(max_so_far)記錄所獲得過的最大值。
- 一次遍歷之後, 變量 max_so_far 中存儲的即爲最大子片段的和值。
Java實現代碼如下:
public class MaximumSubarray {
public int maxSubArray(int[] nums) {
int maxEndHere = 0;
int maxSoFar = 0;
for (int i = 0; i < nums.length; i++) {
maxEndHere += nums[i];
if (maxEndHere < 0) {
maxEndHere = 0;
}
if (maxSoFar < maxEndHere) {
maxSoFar = maxEndHere;
}
}
return maxSoFar;
}
理解此算法的關鍵在於:
- 最大子片段中不可能包含求和值爲負的前綴。 例如 【-2, 1,4】 必然不能是最大子數列, 因爲去掉值爲負的前綴後【-2,1】, 可以得到一個更大的子數列 【4】、
- 所以在遍歷過程中,每當累加結果成爲一個非正值時, 就應當將下一個元素作爲潛在最大子數列的起始元素, 重新開始累加。
- 由於在累加過程中, 出現過的最大值都會被記錄, 且每一個可能成爲 最大子數列起始元素 的位置, 都會導致新一輪的累加, 這樣就保證了答案搜索過程的完備性和正確性。
方法二:DP(動態規劃)
基本思路是這樣的,在每一步,我們維護兩個變量,一個是全局最優,就是到當前元素爲止最優的解是,一個是局部最優,就是必須包含當前元素的最優的解。接下來說說動態規劃的遞推式(這是動態規劃最重要的步驟,遞歸式出來了,基本上代碼框架也就出來了)。假設我們已知第i步的global[i](全局最優)和local[i](局部最優),那麼第i+1步的表達式是:
- local[i+1]=Math.max(A[i], local[i]+A[i]),就是局部最優是一定要包含當前元素,所以不然就是上一步的局部最優local[i]+當前元素A[i](因爲local[i]一定包含第i個元素,所以不違反條件),但是如果local[i]是負的,那麼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]),有了當前一步的局部最優,那麼全局最優就是當前的局部最優或者還是原來的全局最優(所有情況都會被涵蓋進來,因爲最優的解如果不包含當前元素,那麼前面會被維護在全局最優裏面,如果包含當前元素,那麼就是這個局部最優)。
Java代碼實現如下:
class Solution {
//Dp
public int maxSubArray(int[] nums) {
int maxLocal = nums[0];
int global = nums[0];
for (int i = 1; i < nums.length; ++i) {
maxLocal = Math.max(nums[i], nums[i] + maxLocal);
global = Math.max(global, maxLocal);
}
return global;
}
}
方法三:分治法
將數組均分爲兩個部分,那麼最大子數組會存在於:
- 左側數組的最大子數組
- 右側數組的最大子數組
- 左側數組的以右側邊界爲邊界的最大子數組+右側數組的以左側邊界爲邊界的最大子數組
假設數組下標有效範圍是l到r,將數組分爲左半部分下標爲(l,mid-1)和右半部分下標爲(mid+1,r)以及中間元素下標爲mid,接下來遞歸求出左半部分的最大子序和:left=helper(nums,l,mid-1); 右半部分最大子序和right=helper(nums,mid+1,r);
接下來再將左半部分右邊界,右半部分左邊界以及中間元素nums[mid]整合,用了兩個循環,先整合左半部分右邊界和中間值,再將整合結果與右半部分左邊界整合得到整合以後的最大子序和max_num,最後返回max_num,left,right的最大值即是要求的最大子序和。
代碼實現如下:
class Solution {
public:
int maxSubArray(vector<int>& nums) {
if(nums.size()==0)return 0;
return helper(nums,0,nums.size()-1);
}
int helper(vector<int>& nums,int l,int r){
if(l>r)return INT_MIN;//注意此處不是返回0,比如{-2,-1},分治以後變爲左中右n{},-1,{-2}三部分。左半部分{}應返回INT_MIN,
//因爲還要和右半部分的返回值進行比較,最終正確結果返回-1。若左半部分返回0,0>-2,且大於左中右的最大組合值(-1),最終結果返回0,出錯
if(l==r)return nums[l];
int mid=(l+r)/2;
int left=helper(nums,l,mid-1);
int right=helper(nums,mid+1,r);
int t=nums[mid];
int max_num=nums[mid];
for(int i=mid-1;i>=l;i--){
t+=nums[i];
max_num=max(max_num,t);
}
t=max_num;
for(int i=mid+1;i<=r;i++){
t+=nums[i];
max_num=max(max_num,t);
}
return max(max(left,right),max_num);
}
};