最大子序和(maxSubArray)

游无穷

于 2023-04-25 19:55:12 发布

阅读量210

点赞数

CC 4.0 BY-SA版权

分类专栏：数据结构和算法文章标签：动态规划 javascript 数据结构与算法最大子序和

本文链接：https://blog.csdn.net/u010206379/article/details/130372410

数据结构和算法专栏收录该内容

3 篇文章

订阅专栏

文章介绍了如何使用动态规划解决寻找整数数组的最大子序列和问题。首先给出基础实现，通过dp数组存储以每个元素结尾的最大子序列和，然后优化空间复杂度，只用一个变量即可。最后展示了官方的动态规划分治解法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

最大子序和

题目说明

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

个人思路

抽象实现

dp[i] 表示以num[i]为结尾的情况下， nums[0: i + 1]最大子序和
计算dp[i]的公式

for i in range(0, len_nums):
  dp[i] = max(nums[i], dp[i - 1] + nums[i])

具体实现

/**
 * 计算最大子数组的和
 * @param data
 * @returns {number}
 */
function maxSubArray(data){

    let dp = new Array(data.length).fill(Number.MIN_VALUE);
    dp[0] = data[0]
    for (let i=1;i<data.length;i++) {
        dp[i] = Math.max(dp[i - 1] + data[i], data[i])
    }

    let max = Number.MIN_VALUE;
    dp.forEach(value => max = Math.max(max, value))

    return max
}

优化

当前的时间复杂度和空间复杂度均为O(N)，但其实dp并不需要维护一个O(N)的数组，所以有优化代码如下

/**
 * 计算最大子数组的和(优化空间复杂度)
 * @param data
 * @returns {number}
 */
function maxSubArray2(data){

    let res, dp;
    res = dp = data[0]

    for (let i=1;i<data.length;i++) {
        dp = Math.max(dp + data[i], data[i])
        res = Math.max(res, dp)
    }

    return res
}

官方解答

动态规划
分治