漫画:Go 讲解动态规划系列 第二讲

Posted Go语言中文网

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了漫画:Go 讲解动态规划系列 第二讲相关的知识,希望对你有一定的参考价值。

漫画:Go 讲解动态规划系列 第二讲

在上一篇文章中,我们讲解了DP的概念并且通过示例了解了什么是动态规划。本篇中,我们将继续通过1道简单题型,进一步学习动态规划的思想。

0 1
第53题:最大子序和


第53题:给定一个整数数组 nums ,找到一个具有最大和的连续子数组(子数组最少包含一个元素),返回其最大和。
漫画:Go 讲解动态规划系列 第二讲

示例:

输入: [-2,1,-3,4,-1,2,1,-5,4],

输出: 6

解释: 连续子数组 [4,-1,2,1] 的和最大,为 6。

漫画:Go 讲解动态规划系列 第二讲

拿到题目请不要看下方题解,先自行思考2-3分钟....


02
题目图解


漫画:Go 讲解动态规划系列 第二讲

首先我们分析题目,一个连续子数组一定要以一个数作为结尾,那么我们可以将状态定义成如下:


dp[i]:表示以 nums[i] 结尾的连续子数组的最大和。


那么为什么这么定义呢?因为这样定义其实是最容易想到的!在上一节中我们提到,状态转移方程其实是通过1-3个参数的方程来描述小规模问题和大规模问题间的关系。


当然,如果你没有想到,其实也非常正常!因为 "该问题最早于 1977 年提出,但是直到 1984 年才被发现了线性时间的最优解法。" 


根据状态的定义,我们继续进行分析:


如果要得到dp[i],那么nums[i]一定会被选取。并且 dp[i] 所表示的连续子序列与 dp[i-1] 所表示的连续子序列很可能就差一个 nums[i] 即 


dp[i] = dp[i-1]+nums[i] , if (dp[i-1] >= 0)


但是这里我们遇到一个问题,很有可能dp[i-1]本身是一个负数。那这种情况的话,如果dp[i]通过dp[i-1]+nums[i]来推导,那么结果其实反而变小了,因为我们dp[i]要求的是最大和。所以在这种情况下,如果dp[i-1]<0,那么dp[i]其实就是nums[i]的值。即


dp[i] = nums[i] , if (dp[i-1] < 0)


综上分析,我们可以得到:


dp[i]=max(nums[i], dp[i−1]+nums[i])


得到了状态转移方程,但是我们还需要通过一个已有的状态的进行推导,我们可以想到 dp[0] 一定是以 nums[0] 进行结尾,所以 


dp[0] = nums[0]


在很多题目中,因为dp[i]本身就定义成了题目中的问题,所以dp[i]最终就是要的答案。但是这里状态中的定义,并不是题目中要的问题,不能直接返回最后的一个状态 (这一步经常有初学者会摔跟头)。所以最终的答案,其实我们是寻找:


max(dp[0], dp[1], ..., d[i-1], dp[i])


分析完毕,我们绘制成图:


假定 nums 为  [-2,1,-3,4,-1,2,1,-5,4]


漫画:Go 讲解动态规划系列 第二讲

03
Go语言示例


根据分析,得到代码:


 1func maxSubArray(nums []int) int {
2    if len(nums) < 1 {
3        return 0
4    }
5    dp := make([]intlen(nums))
6    //设置初始化值 
7    dp[0] = nums[0]
8    for i := 1; i < len(nums); i++ {
9        //处理 dp[i-1] < 0 的情况
10        if dp[i-1] < 0 {
11            dp[i] = nums[i]
12        } else {
13            dp[i] = dp[i-1] + nums[i]
14        }
15    }
16    result := -1 << 31
17    for _, k := range dp {
18        result = max(result, k)
19    }
20    return result
21}
22
23func max(a, b int) int {
24    if a > b {
25        return a
26    }
27    return b
28}


我们可以进一步精简代码为:


 1func maxSubArray(nums []int) int {
2    if len(nums) < 1 {
3        return 0
4    }
5    dp := make([]intlen(nums))
6    result := nums[0]
7    dp[0] = nums[0]
8    for i := 1; i < len(nums); i++ {
9        dp[i] = max(dp[i-1]+nums[i], nums[i])
10        result = max(dp[i], result)
11    }
12    return result
13}
14
15func max(a, b int) int {
16    if a > b {
17        return a
18    }
19    return b
20}


复杂度分析:时间复杂度:O(N)。空间复杂度:O(N)。



注:本系列所有教程中都不会用到复杂的语言特性,大家不需要担心没有学过go。算法思想最重要,使用go纯属本人爱好。同时,本系列所有代码均在leetcode上进行过测试运行,保证其严谨性!





推荐阅读




喜欢本文的朋友,欢迎关注“Go语言中文网



以上是关于漫画:Go 讲解动态规划系列 第二讲的主要内容,如果未能解决你的问题,请参考以下文章

三周学会小程序第二讲:客户端代码准备和基础功能讲解

基础扫盲:二叉树系列 第二讲(层次遍历与BFS)

[JetsonNano] [教程] [入门系列] [三] 搭建TensorFlow环境

干货:图解算法——动态规划系列

干货:图解算法——动态规划系列

文末福利算法萌新如何学好动态规划(第二弹)