当前位置:实例文章 » 其他实例» [文章]力扣热门100题之最大子数组和【中等】【动态规划】

力扣热门100题之最大子数组和【中等】【动态规划】

发布人:shili8 发布时间:2025-03-13 07:58 阅读次数:0

**力扣热门100题之最大子数组和**

**难度:** 中等**类型:** 动态规划**描述:**
给定一个整数数组 `nums`,返回其中 **最大连续子序列的总和**。

**示例1:**

输入:`nums = [-2,1,-3,4,-1,2,1,-5,4]`
输出:`6`

解释: 最大连续子序列为 `[4,-1,2,1]`,总和为 `6`.

**示例2:**

输入:`nums = [1]`
输出:`1`

**示例3:**

输入:`nums = [0]`
输出:`0`

**思路:**
最大子数组问题可以使用动态规划来解决。我们可以创建一个一维数组 `dp`,其中 `dp[i]` 表示以 `nums[i]` 为结尾的最大连续子序列的总和。

**代码实现:**

class Solution:
 def maxSubArray(self, nums):
 """
 :type nums: List[int]
 :rtype: int """
 # 初始化动态规划数组,dp[0] = nums[0]
 dp = [nums[0]]
 # 遍历数组,计算每个元素的最大连续子序列和 for i in range(1, len(nums)):
 # 如果当前元素大于前一个元素的最大连续子序列和,则更新dp[i]为当前元素本身 if nums[i] > dp[i-1]:
 dp.append(nums[i])
 # 否则,更新dp[i]为前一个元素的最大连续子序列和与当前元素的最大值之间的较大者 else:
 dp.append(max(dp[i-1], nums[i]))
 # 返回动态规划数组中的最大值,即最大子数组的总和 return max(dp)


**时间复杂度:** O(n),其中 n 是输入数组 `nums` 的长度。
**空间复杂度:** O(n),用于存储动态规划数组。

**注意:**
本题使用动态规划来解决最大子数组问题,时间复杂度为 O(n)。此外,我们还提供了一个示例代码段,展示如何使用该函数计算最大子数组的总和。

其他信息

其他资源

Top