题目描述:
解题思路:
这是一道经典的动态规划题目,动态规划类的题目,要了解动态规划的思想,把问题分解成若干个子问题,而这些子问题之间又存在某种递推关系。
废话不多说。
这道题参考大佬的题解真正了解了动态规划的做法。
参考代码:
//动态规划
//样例9个数字,
//每个数字为结尾的子序列一共有9种,下一个数字结尾的子序列可以由上一个数字结尾的子序列构成
//外面不关心子序列的类型,只关心最大值,当上一个子序列的值大于0的时候,下一个子序列的最大值就是上一个子序列最大值
//在加上下一个子序列要加的数,相反当上一个子序列的值小于0的时候,下一个数字结尾的序列的最大值就是它本身了,舍去上一个子序列的值。
//dp[i]就是以i结尾子串的最大值
//状态转移方程就是当dp[i]>=0的时候dp[i]= dp[i-1]+nums[i] 否则dp[i]=nums[i];
//初始化条件就是dp[0]=nums[0];
//最后nums[i]中存储了以nums[i]结尾的子序列的最大值,遍历求出答案即可
public int maxSubArray(int[] nums) {
if(nums.length==0)
{
return 0;
}
//存放以i结尾子串的最大值
int[] dp=new int[nums.length];
dp[0]=nums[0];
for (int i = 1; i < nums.length; i++) {
if(dp[i-1]>=0)
{
dp[i]=dp[i-1]+nums[i];
}
else
{
dp[i]=nums[i];
}
}
int res=dp[0];
for (int i = 0; i < nums.length; i++) {
res=Math.max(res,dp[i]);
}
return res;
}
//状态压缩
public int maxSubArray2(int[] nums) {
if(nums.length==0)
return 0;
int max=nums[0]; //定义全局最大值
int subMax=nums[0]; //前一个子组合的最大值,状态压缩
for (int i = 1; i < nums.length; i++) {
if(subMax>0){
//前一个组合的最大值大于0,正增益
subMax+=nums[i];
}else {
//前一个组合的最大值小于0,抛弃前面的结果
subMax=nums[i];
}
//全局的最大值,每次都跟着更新
max=Math.max(max,subMax);
}
return max;
}