解题思路
方法1:连续的子数组,即数组中从i下标到j下标(0<=i<=j<数组长度)的数据,想要获得所有的子数组和,可以通过暴力法,两次循环获得,但时间复杂度为O(n^2),效率不高。
方法2:动态规划,设动态规划列表 dp,dp[i] 代表以元素 array[i] 为结尾的连续子数组最大和。
状态转移方程: dp[i] = Math.max(dp[i-1]+array[i], array[i]);
具体思路如下:
1.遍历数组,比较 dp[i-1] + array[i] 和 array[i]的大小;
2.为了保证子数组的和最大,每次比较 sum 都取两者的最大值;
3.用max变量记录计算过程中产生的最大的连续和dp[i];
方法3:我们可以简化动态规划,使用一个变量sum来表示当前连续的子数组和,以及一个变量max来表示中间出现的最大的和。
代码实现
方法1:暴力法,时间复杂度O(n^2),空间复杂度O(1)
class Solution: def FindGreatestSumOfSubArray(self, array): # write code here ans = array[0] sum_ = 0 for i in range(len(array)): sum_ = 0 for j in range(i,len(array)): sum_ += array[j] ans = max(ans,sum_) return ans
方法2:动态规划,时间复杂度O(n),空间复杂度O(n)
class Solution: def FindGreatestSumOfSubArray(self, array): # write code here length = len(array) dp =[0]*(length+1) dp[0] = 0 sum_ = 0 ret = array[0] for i in range(1,length+1): sum_ = max(array[i-1],sum_+array[i-1]) ret = max(ret,sum_) return ret
方法3:优化动态规划,时间复杂度O(n),空间复杂度O(1)
class Solution: def FindGreatestSumOfSubArray(self, array): # write code here length = len(array) dp =[0]*(length) dp[0] = 0 sum_ = 0 ret = array[0] for i in range(0,length): sum_ = max(array[i],sum_+array[i]) ret = max(ret,sum_) return ret
参考资料: