題目:css
給定一個整數數組 nums
,找到一個具備最大和的連續子數組(子數組最少包含一個元素),返回其最大和。 算法
分析思路:數組
首先確定是暴力求解法,找到一個可行解。而後進一步對暴力求解法進行優化。函數
暴力求解法經過兩個循環遍歷,找到全部子序,比較全部子序和獲得最大子序和。暴力解法存在不少冗餘的計算。當sum(a_i, a_(i+1), a_(i+2)) <=0 時,那麼以此3項做爲開頭的全部子序均可以剔除,再也不考慮。利用上面這一特性,咱們能夠對暴力解法進行優化,獲得時間複雜度爲O(n)的算法。優化
class Solution { public: int maxSubArray(vector<int>& nums) { int maxV = nums[0]; int index = 0; while(index < nums.size()) { int sum = 0; for(index; index < nums.size(); ++index) { sum = sum + nums[index]; maxV = max(maxV, sum); if(sum <= 0) { index += 1; break; } } } return maxV; } };
時間複雜度:O(n)spa
空間複雜度:O(1)3d
分治法。記最大子序和爲maxResult,函數爲int getMaxSub( *, * ) {}。code
向量A= [a1, a2, a3, ...., ai, ai+1, a+2, ......, aj-1, aj],blog
maxResult = max( maxresult(a1, ......, ai), getMaxSub(*, i+1) ),其中sum(a1, ......, ai) <= 0.內存
時間複雜度:O(n)
空間複雜度:O(n) ???
class Solution { public: int maxSubArray(vector<int>& nums) { if(nums.size() == 0) return -1; return getMaxSub(nums, 0); } int getMaxSub(const vector<int>& vecInt, int index) { int maxR = vecInt[index], sum = 0; for(index; index < vecInt.size(); ++index) { sum = sum + vecInt[index]; if(sum <= 0 && index < (vecInt.size() - 1)) { // 確保下一級序列非空 maxR = max(maxR, getMaxSub(vecInt, index+1)); return maxR; } else { maxR = max(maxR, sum); } } return maxR; } };