42.Maximum Subarray II-最大子数组 II(中等题)

本文介绍了一种寻找整数数组中两个不重叠子数组使其和最大的算法,并提供了一个时间复杂度为O(n)的解决方案。该算法首先计算每个元素左侧和右侧的最大子数组和,然后找出合适的分割点以获得最大总和。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

最大子数组 II

  1. 题目

    给定一个整数数组,找出两个 不重叠 子数组使得它们的和最大。
    每个子数组的数字在数组中的位置应该是连续的。
    返回最大的和。

    注意事项
    子数组最少包含一个数

  2. 样例

    给出数组 [1, 3, -1, 2, -1, 2]
    这两个子数组分别为 [1, 3] 和 [2, -1, 2] 或者 [1, 3, -1, 2] 和 [2],它们的最大和都是 7

  3. 挑战

    要求时间复杂度为 O(n)

  4. 题解

分别通过遍历数组得到任意元素i左边最大数组(包含自身)left[i],和右边最大数组(不包含自身)right[i],那么结果就是找到某个元素j,使得left[j]+right[j]最大。

public class Solution {
    /**
     * @param nums: A list of integers
     * @return: An integer denotes the sum of max two non-overlapping subarrays
     */
    public int maxTwoSubArrays(ArrayList<Integer> nums) {
        int size = nums.size();
        int[] left = new int[size];
        int[] right = new int[size];
        int max = Integer.MIN_VALUE;
        for(int i = 0,sum=0; i < size; i++)
        {
            sum += nums.get(i);
            max = Math.max(max, sum);
            if(sum < 0)  
            {
                sum = 0;
            }
            left[i] = max;
        }
        max = Integer.MIN_VALUE;
        for(int i = size - 1,sum=0; i >= 0; i--)
        {
            sum += nums.get(i);
            max = Math.max(max, sum);
            if (sum < 0)
            {
                sum = 0;
            }
            right[i] = max;
        }
        max = Integer.MIN_VALUE;
        for(int i = 0; i < size - 1; i++)
        {
            max = Math.max(max, left[i] + right[i + 1]);
        }
        return max;
    }
}

Last Update 2016.9.29

### 使用分治法求解最大子数组和问 #### 1.定义 给定一个可能包含负数的数组 \( A[low, \dots, high] \),目标是找到其和最大的非空连续子数组。此问被称为 **最大子数组**,而最终获得的子数组则被命名为 **最大子数组**。 为了利用分治法解决问,我们需要将原数组划分为更小的部分并分别处理这些部分中的最大子数组[^1]。 --- #### 2. 分治策略的核心思想 通过分治方法解决该问的关键在于将原始数组分成两半,并考虑三种情况下的潜在解决方案: - 左侧子数组最大子数组(完全位于左半部分)。 - 右侧子数组最大子数组(完全位于右半部分)。 - 跨越中点的最大子数组(一部分在左侧,另一部分在右侧)。 这三类子数组涵盖了所有可能性,因此只需要比较它们的结果即可得出全局最优解[^2]。 --- #### 3. 寻找跨越中点的最大子数组 对于跨越中点的情况,可以通过线性扫描的方式高效计算出来。具体来说,我们可以先固定中点位置 `mid`,然后逐步向两侧扩展以寻找最佳组合[^3]。 以下是具体的逻辑描述: - 首先从中间元素出发,尝试累加左边的所有元素直到达到局部最小值为止; - 接着重复上述过程针对右边区域执行相同操作; - 将这两个阶段所得结果相加以形成完整的跨边界序列总和。 这种方法的时间复杂度为 O(n),其中 n 表示当前考察范围内的数据量大小。 --- #### 4. 总体递归结构与伪代码表示 基于以上讨论,下面给出整个算法框架及其对应的伪代码形式: ```plaintext FIND-MAXIMUM-SUBARRAY(A, low, high) if high == low return (low, high, A[low]) // Base case: only one element. mid = floor((low + high)/2) (left_low, left_high, left_sum) = FIND-MAXIMUM-SUBARRAY(A, low, mid) (right_low, right_high, right_sum) = FIND-MAXIMUM-SUBARRAY(A, mid+1, high)[^2] (cross_low, cross_high, cross_sum) = FIND-MAX-CROSSING-SUBARRAY(A, low, mid, high)[^3] if left_sum >= right_sum and left_sum >= cross_sum return (left_low, left_high, left_sum) elseif right_sum >= left_sum and right_sum >= cross_sum return (right_low, right_high, right_sum) else return (cross_low, cross_high, cross_sum) ``` 这里需要注意的是,在每次调用过程中都需要重新评估三个候选者之间的关系以便决定返回哪一个作为本次迭代的最佳选项。 --- #### 5. 时间复杂度分析 由于每层递归都将输入规模减半,并且额外花费O(n) 的工作用于查找跨越分割点的最大子数组,整体时间复杂度为 T(n)=T(⌊n/2⌋)+T(⌈n/2⌉)(n), 解得 T(n)(n log⁡n). 这意味着即使面对较大的数据集时也能保持相对良好的性能表现. ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值