最大子序和 --动态规划
Posted guohai-stronger
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了最大子序和 --动态规划相关的知识,希望对你有一定的参考价值。
前面写了一些算法题,但是写到后面,发现不怎么系统起来,所以从这一篇开始,我们先着重介绍一下动态规划算法!
我们以题目开门见山.
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。
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。
解法一:动态规划思想
思路
- 首先对数组进行遍历,当前最大连续子序列和为sum,结果为results
- 如果sum > 0,则说明sum对结果有增益效果,则sum保留并加上当前遍历数字
- 如果sum <= 0,则说明sum对结果无增益效果,需要舍弃,则sum直接更新为当前遍历数字
- 每次比较sum 和 results的大小,将最大值置为results,遍历结束后返回结果results
- 时间复杂度为O(n)
代码swift
func maxSubArray(_ nums: [Int]) -> Int { var results: Int = nums[0] var sum = 0 for i in 0..<nums.count { if sum > 0 { sum = sum + nums[i] } else { sum = nums[i] } results = sum > results ? sum : results } return results }
运行结果如下:
解法二:动态规划思想
思路
动态规划,用dp[i]表示以i结尾的最大子序列和。初始化值dp[0] = nums[0],然后从第二个数开始遍历
- 如果当前数加上前一个最大序列和大于当前数,则将当前数加到序列和中,nums[i] + dp[i - 1] > nums[i],则dp[i] = nums[i] + dp[i - 1];
- 反之以当前数结尾的最大序列和即为dp[i] = nums[i -1]
然后判断以当前结尾的最大序列和是否大于最大序列和。
时间复杂度为O(n)
空间复杂度为O(n)
代码
func maxSubArray(_ nums: [Int]) -> Int { guard nums.count > 0 else {return -1} var results: Int = nums[0] var dp = [Int]() dp.append(nums[0]) for i in 1..<nums.count { if nums[i] + dp[i - 1] >= nums[i] { dp.append(nums[i] + dp[i - 1]) } else { dp.append(nums[i]) } if dp[i] > results { results = dp[i] } } return results }
记住swift中不能直接用“=”赋值,用append增加元素
以上就是动态规划的思想和代码,大家可以写下,希望对大家有所帮助!!!当讲到分治思想,再会增加分治思想解决问题!
以上是关于最大子序和 --动态规划的主要内容,如果未能解决你的问题,请参考以下文章