首页 > 代码库 > Maximum Subarray leetcode java

Maximum Subarray leetcode java

题目:

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.

 

More practice:

If you have figured out the O(n) solution, try coding another solution using the divide and conquer approach, which is more subtle

 

 

题解:

 这道题要求 求连续的数组值,加和最大。

 试想一下,如果我们从头遍历这个数组。对于数组中的其中一个元素,它只有两个选择:

 1. 要么加入之前的数组加和之中(跟别人一组)

 2. 要么自己单立一个数组(自己单开一组)

 所以对于这个元素应该如何选择,就看他能对哪个组的贡献大。如果跟别人一组,能让总加和变大,还是跟别人一组好了;如果自己起个头一组,自己的值比之前加和的值还要大,那么还是自己单开一组好了。

所以利用一个sum数组,记录每一轮sum的最大值,sum[i]表示当前这个元素是跟之前数组加和一组还是自己单立一组好,然后维护一个全局最大值即位答案。

 

代码如下;

 1     public int maxSubArray(int[] A) {
 2         int[] sum = new int[A.length];
 3         
 4         int max = A[0];
 5         sum[0] = A[0];
 6  
 7         for (int i = 1; i < A.length; i++) {
 8             sum[i] = Math.max(A[i], sum[i - 1] + A[i]);
 9             max = Math.max(max, sum[i]);
10         }
11  
12         return max;
13     }

 

 

同时发现,这道题是经典的问题,是1977布朗的一个教授提出来的。

http://en.wikipedia.org/wiki/Maximum_subarray_problem

 

并发现,这道题有两种经典解法,一个是:Kadane算法,算法复杂度O(n);另外一个是分治法:算法复杂度为O(nlogn)。

1. Kadane算法

代码如下:

 1     public int maxSubArray(int[] A) {
 2         int max_ending_here = 0;
 3         int max_so_far = Integer.MIN_VALUE;
 4         
 5         for(int i = 0; i < A.length; i++){  
 6             if(max_ending_here < 0) 
 7                  max_ending_here = 0;  
 8             max_ending_here += A[i];  
 9             max_so_far = Math.max(max_so_far, max_ending_here);   
10         }  
11         return max_so_far; 
12     }

 

 2. 分治法:

代码如下:

 1     public int maxSubArray(int[] A) {
 2          return divide(A, 0, A.length-1); 
 3     }
 4     
 5   public int divide(int A[], int low, int high){  
 6         if(low == high)
 7             return A[low];  
 8         if(low == high-1)  
 9             return Math.max(A[low]+A[high], Math.max(A[low], A[high]));
10             
11         int mid = (low+high)/2;  
12         int lmax = divide(A, low, mid-1);  
13         int rmax = divide(A, mid+1, high); 
14         
15         int mmax = A[mid];  
16         int tmp = mmax;  
17         for(int i = mid-1; i >=low; i--){  
18             tmp += A[i];  
19             if(tmp > mmax)
20                 mmax = tmp;  
21         }  
22         tmp = mmax;  
23         for(int i = mid+1; i <= high; i++){  
24             tmp += A[i];  
25             if(tmp > mmax)
26                 mmax = tmp;  
27         }  
28         return Math.max(mmax, Math.max(lmax, rmax));  
29           
30     } 

 

 Reference:

 http://en.wikipedia.org/wiki/Maximum_subarray_problem

 http://www.cnblogs.com/statical/articles/3054483.html

 http://blog.csdn.net/xshengh/article/details/12708291