[leetcode]#53. Maximum Subarray
2017-11-18 15:11
519 查看
题目是说,给你一串数,有正有负 要求出最大的连续子串。
其实就是标准的动态规划问题:
随着遍历这个数组,在到每一个位置的时候,弄一个局部最大L值,代表以当前位置为结尾的最大子串,比如说我遍历到第i个,那么以第i个为结尾的最大子串就是我们要求的L。
比如这个题目:
-2 , 1, −3,4,−1,2,1,−5,4
位置0,L=x=-2,没得选
位置1,要以x=1为结尾的最大的,那肯定不要带上之前的-2,只要1就好L=x=1
位置2,因为本身x=-3,加上上一个位置L 是正数1,所以L=L+x=-3+1=-2。
下面以此类推得到:
对应的L应该是:
-2, 1, -2,4,3,5,6,-1,3
而全局最大值G就是我们最终想要的结果,
肯定这个全局最大值出自局部最大值。
(因为全局最大的那个子串的结尾肯定在数组里,言外之意就是不管怎么样这个G都肯定出自L)
最后找到最大的那个L就是我们想要的G了。
贪心算法
其实就是标准的动态规划问题:
随着遍历这个数组,在到每一个位置的时候,弄一个局部最大L值,代表以当前位置为结尾的最大子串,比如说我遍历到第i个,那么以第i个为结尾的最大子串就是我们要求的L。
比如这个题目:
-2 , 1, −3,4,−1,2,1,−5,4
位置0,L=x=-2,没得选
位置1,要以x=1为结尾的最大的,那肯定不要带上之前的-2,只要1就好L=x=1
位置2,因为本身x=-3,加上上一个位置L 是正数1,所以L=L+x=-3+1=-2。
下面以此类推得到:
对应的L应该是:
-2, 1, -2,4,3,5,6,-1,3
而全局最大值G就是我们最终想要的结果,
肯定这个全局最大值出自局部最大值。
(因为全局最大的那个子串的结尾肯定在数组里,言外之意就是不管怎么样这个G都肯定出自L)
最后找到最大的那个L就是我们想要的G了。
class Solution(object): def maxSubArray(self, nums): """ :type nums: List[int] :rtype: int """ l = g = -1000000000 for n in nums: l = max(n,l+n) g = max(l,g) return g
贪心算法
class Solution(object): def maxSubArray(self, nums): """ :type nums: List[int] :rtype: int """ thissum = 0 maxsum = -2**31 for i in range(len(nums)): if thissum < 0: thissum = 0 thissum += nums[i] maxsum = max(maxsum, thissum) return maxsum sol = Solution() print(sol.maxSubArray([-2, 1, -3, 10, -1, 2, 1, -5, 4]))
相关文章推荐
- LeetCode 53. Maximum Subarray
- 第二周:[LeetCode]53. Maximum Subarray
- LeetCode 53. Maximum Subarray
- [Leetcode] 53. Maximum Subarray
- [LeetCode]53. Maximum Subarray
- leetcode-53. Maximum Subarray
- Leetcode 53. Maximum Subarray
- [LeetCode]53. Maximum Subarray
- leetcode-53. Maximum Subarray
- [勇者闯LeetCode] 53. Maximum Subarray
- LeetCode53. Maximum Subarray
- 【LeetCode】53. Maximum Subarray
- 【leetcode】53. Maximum Subarray
- Leetcode 53. Maximum Subarray
- leetcode: 53. Maximum Subarray
- leetcode - 53. Maximum Subarray
- LeetCode *** 53. Maximum Subarray
- LeetCode53. Maximum Subarray一种很好的做法
- leetcode--3,Longest Substring Without Repeating Characters &&53. Maximum Subarray&&String.valueOf()
- LeetCode 53. Maximum Subarray