Leetcode_C++笔记之53. Maximum Subarray（最大子序列和）

JayShaun

已于 2022-11-29 09:55:55 修改

阅读量208

点赞数

CC 4.0 BY-SA版权

文章标签：动态规划算法贪心算法

于 2022-11-15 10:27:11 首次发布

本文链接：https://blog.csdn.net/m0_37864814/article/details/127860513

leetcode笔记专栏收录该内容

16 篇文章

订阅专栏

该博客探讨了如何解决寻找整数数组中具有最大和的连续子数组的问题。提供了三种解决方案：暴力法（时间复杂度O(n^2)）、动态规划（时间复杂度O(n)）和分治法（递归）。示例代码分别展示了动态规划和分治法的实现，并给出了不同输入情况下的输出示例。此外，还提出了后续挑战，即使用分治策略实现更高效的解决方案。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

题目名称

Maximum Subarray

题目描述

Given an integer array nums, find the subarray（连续的） which has the largest sum and return its sum.

Example 1:

Input: nums = [-2,1,-3,4,-1,2,1,-5,4]
Output: 6
Explanation: [4,-1,2,1] has the largest sum = 6.
Example 2:

Input: nums = [1]
Output: 1
Example 3:

Input: nums = [5,4,-1,7,8]
Output: 23

Constraints:

1 <= nums.length <= 105
-104 <= nums[i] <= 104

Follow up: If you have figured out the O(n) solution, try coding another solution using the divide and conquer approach, which is more subtle.

思路

1，暴力法（O(n*n)）
2, 动态规划
3，分治法（递归）

代码1

// dp
class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        int dp;
        dp = nums[0];
        int max = dp;
        int tmp;
        for(int i=1; i<nums.size(); i++){
            tmp = dp+nums[i];
            if(nums[i]<tmp){
                dp = tmp;
            }else{
                dp = nums[i];
            }
            if(dp>max){
                max = dp;
            }
        }
        return max;
        
    }
};

代码2

// dq