前言

就有要把leetcode的题刷完，每天一道题，每天进步一点点

从零打卡leetcode之day 3

题目描述：

给定一个int类型的数组，求最大子序列的和。

也就是说，从这个数组中截取一个子数组，这个子数组的元素和最大。

例如：

-1 20 -4 14 -4 -2

这个数组的最大字序列和为30。即20 -4 14。

解题

1.初级版解法

对于这道题，其实我们可以采取遍历所有可能的组合，然后再比较哪种组合的和最大。

也就是说，我们可以找出所有子序列，然后逐个比较。代码如下。

    public int solve(int[] arrs){

        int max = 0;//用来存放目标子序列的和

        int temp = 0;//用来存每个子序列的和

        for(int i = 0; i < arrs.length; i++){

            for(int j = i; j < arrs.length; j++){

                temp = 0;

                //计算子序列的和

                for(int k = 0; k < arrs.length; k++){

                    temp += arrs[k];

                }

                //进行比较

                if(temp > max){

                    max = temp;

                }

            }

        }

        return max;

    }`

在这三个循环中，外面两个循环枚举出所有子序列，第三个循环计算子序列的和。

看到三个for循环，时间复杂度的O(n3)。这速度，实在是太慢了。我们来优化优化。

2.进阶版

其实，你仔细看一下里面的那两层for循环，会发现其实可以把它们合并成一个for循环的。

也就是说，我们可以在枚举所有子序列的过程中，是可以一边进行数据处理的。还是直接看代码好理解点。如下：

    public int solve2(int[] arrs){

        int max = 0; 

        int temp = 0;

        for(int i = 0; i < arrs.length; i++){

            temp = 0;

            for(int j = i; j < arrs.length; j++){

                //一边处理数据

                temp += arrs[j];

                //进行比较选择

                if(max < temp){

                    max = temp;

                }

            }

        }

        return temp;

    }

该方法用了两个for循环，时间复杂度为O(n2)，相对来说好了一点。

3.再次优化进阶

这次，我们可以使用递归的思想来处理。递归最重要的就是要找到：

1. 递归的结束条件
2. 把问题分解成若干个子问题。

对于这道题，其实我们可以把序列分成左右两部分。那么，最大子序列和的位置会出现在以下三种情况：

1. 子序列完全在左半部分。
2. 子序列完全在右半部分。
3. 一部分在左，一部分在右。

所以我们只要分别求出左半部分的最大子序列和、右半部分的最大子序列和(注意，问题已经转化为求左右两部分的最大子序列和了，也就是说问题被分解成若干子问题了)、以及跨越左右两部分的最大子序列和。最后比较三者之中哪个比较大就可以了。

如何求解左半部分和右半部分的最大子序列？

其实道理一样，把左半部分和右半部分再次分解左右两部分就可以了。

那么，如何求解跨越左右两部分的最大子序列呢？

其实只要求出包含左半部分中最右边元素的子序列的最大和，以及求出包含右半部分中最左边元素的子序列的最大和，然后让两者相加，即可求出跨域左右两部分的最大子序列和了。

子问题已经分解出来了，那么递归的结束条件是什么？

我们把数组分成左右两部分，其实当左右两部分只有一个元素时，递归结束。

这道题的递归思路算是找出来了，不过，代码实现？假如你对递归不大熟悉的话，可能在实现上还是有那么点困难的。对于递归的学习，大家也可以看我写的关于递归与动态规划的几篇文章。

我就直接抛代码了。

    //递归版本

    public int solve3(int[] arrs, int left, int right){

        int max = 0;

        //表示只有一个元素，无需在分解

        if(left == right){

            //为什么？因为低于0的数肯定不可以是最大值的

            //大不了最大值为0

            max = arrs[left] >= 0 ? arrs[left]:0;

        }else{

            int center = (left + right)/2;

            //求解左半部分最大子序列

            int leftMax = solve3(arrs, left, center);

            //求解右半部分最大子序列

            int rightMax = solve3(arrs, center+1, right);

            //求解kua跨越左右两部分的最大子序列

            //1.求包含左部分最右元素的最大和

            int l = 0;

            int l_max = 0;

            for(int i = center; i >= left; i--){

                l += arrs[i];

                if(l > l_max){

                    l_max = l;

                }

            }

            //2.求包含右部分最左元素的最大和

            int r = 0;

            int r_max = 0;

            for(int i = center+1; i <= right; i++){

                r += arrs[i];

                if(r > r_max){

                    r_max = r;

                }

            }

            //跨越左右两部分的最大子序列

             max = l_max + r_max;

            //取三者最大值

            if(max < leftMax) max = leftMax;

            if(max < rightMax) max = rightMax;

        }

        return max;

    }

递归求解方法的时间复杂度为O(nlgn)。这速度，比第一种做法，不知道快了几个级别….

递归解法可以说是很快的了

但是，等等，我还是不满意…

4.最终版:动态规划

接下来的最终版，时间复杂度可以缩减到O(n), 虽然说是采用了动态规划的思想，不过，我觉得你没学过动态规划也可以看懂。

假如我给你

1 2 -4 5 6

五个元素，你在计算前面三个元素的时候，即

1 + 2 + -4 = -1

发现前面三个元素的和是小于0的，那么，这个

1 2 -4

的子序列我们还要吗？显然，这个子序列的和都小于0了，我们是可以直接淘汰的。因为如果还要这个子序列的话，它和后面的5一相加，结果变成了4，我们还不如让我们的目标子序列直接从5开始呢。

先看代码吧，可能反而会好理解点

    //基于动态规划的思想

    public int solve4(int[] arrs){

        int max = 0;//存放目标子序列的最大值

        int temp = 0;//存放子序列的最大值

        for(int i = 0; i < arrs.length; i++){

            temp += arrs[i];

            if(temp > max){

                max = temp;

            }else{

                //如果这个子序列的值小于0，那么淘汰

                //从后面的子序列开始算起

                if(temp < 0){

                    temp = 0;

                }

             }

        }

        return max;

    }

这道题不是leetcode上的题目，不过我觉得这道题很不错，所以拿出来分享给大家。

完

对付的对手