首页 > 代码库 > Leetcode#53 Maximum Subarray

Leetcode#53 Maximum Subarray

原题地址

 

方法I:动态规划

另sum[i]表示从i开始的最大子串和,则有递推公式:sum[i] = max{A[i], A[i] + sum[i+1]}

因为递推式只用到了后一项,所以在编码实现的时候可以进行状态压缩,用一个变量即可

代码:

 1 int maxSubArray(int A[], int n) { 2   int sum = A[n - 1]; 3   int maxSum = sum; 4  5   for (int i = n - 2; i >= 0; i--) { 6     sum = max(A[i], sum + A[i]); 7     maxSum = max(maxSum, sum); 8   } 9 10   return maxSum;11 }

时间复杂度O(n),空间复杂度O(1)

 

方法II:扫描法(姑且这么称呼吧)

这是网上比较流行的一种做法,本质上还是动态规划+状态压缩。参考这篇博文

代码:

 1 int maxSubArray(int A[], int n) { 2   if (n == 0) 3     return 0; 4  5   int max_ending_here = A[0]; 6   int max_so_far = A[0]; 7   for(int i = 1; i < n; ++i) 8     { 9       if (max_ending_here < 0)10         // So far we get negative values, this part has to be dropped11         max_ending_here = A[i];12       else13         // we can accept it, it could grow later14         max_ending_here += A[i];15 16       max_so_far = max(max_so_far, max_ending_here);17     }18   return max_so_far;19 }

时间复杂度O(n),空间复杂度O(1)

 

方法III:分治法

假设求A[l..r]的最大子串和

首先将其分成两半A[l..m]和A[m+1..r],其中m=(l+r)/2,并分别求递归求出这两半的最大子串和,不妨称为left,right。如下图所示:

技术分享

A[l..r]的连续子串和可能出现在左半边(即left),或者可能出现在右半边(即right),还可能出现在横跨左右两半的地方(即middle),如下图橙色部分所示:

技术分享

当然,middle完全有可能覆盖left或right,它可能的范围入下图所示:

技术分享

那么,如何求middle?貌似没有什么简单的方法,只能从中间向两遍扫,也就是把上图种的范围扫一遍。具体怎么扫呢?见方法I和方法II

是不是突然觉得很坑爹?既然知道最后求middle要扫一遍,还不如一开始就从l到r扫一遍求max得了,还费什么劲儿求left和right呢?求left和right的作用仅限于缩小扫描的范围。

代码:

 1 int diveNConquer(int A[], int l, int r) { 2   if (l == r) 3     return A[l]; 4  5   int m = (l + r) / 2; 6   int left = diveNConquer(A, l, m); 7   int right = diveNConquer(A, m + 1, r); 8   int middle = A[m]; 9   for (int i = m - 1, tmp = middle; i >= l; i--) {10     tmp += A[i];11     middle = max(middle, tmp);12   }13   for (int i = m + 1, tmp = middle; i <= r; i++) {14     tmp += A[i];15     middle = max(middle, tmp);16   }17 18   return max(middle, max(left, right));19 }20 21 int maxSubArray(int A[], int n) {22   return diveNConquer(A, 0, n - 1);23 }

分析一下时间复杂度,设问题的工作量是T(n),则有T(n) = 2T(n/2) + O(n),解得T(n) = O(nlogn)。看看,效率反而低了不少。

 

Leetcode#53 Maximum Subarray