leetcode——53.最大子序和

最新推荐文章于 2025-12-08 12:04:40 发布

转载最新推荐文章于 2025-12-08 12:04:40 发布 · 168 阅读

0 ·

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/taoyuxin/p/11606483.html

文章标签：

#python

本文探讨了使用分治法和动态规划两种不同方法解决最大子数组和问题，通过具体代码实现展示了两种算法的思路及效率对比。分治法虽然在理论上提供了一种递归解决方案，但在实际运行效率上被简洁的动态规划方法所超越。

class Solution:
    def maxSubArray(self, nums) -> int:#分治法
        if len(nums)<2:
            return nums[0]             #边界条件
        l_nums=nums[:len(nums)//2]   #左边序列
        r_nums=nums[len(nums)//2:]  #右边序列
        l_maxSubArray=self.maxSubArray(l_nums)#递归求解左边序列
        r_maxSubArray=self.maxSubArray(r_nums)#递归求解左边序列
        #跨界
        temp=0
        max_l=nums[len(nums)//2-1]
        for i in range(len(nums)//2-1,-1,-1):
            temp+=nums[i]
            max_l=max(temp,max_l)
        max_r=nums[len(nums)//2]
        temp=0
        for i in range(len(nums)//2,len(nums)):
            temp+=nums[i]
            max_r=max(temp,max_r)
        #返回三者中的最大值
        return max(l_maxSubArray,r_maxSubArray,max_l+max_r)

分治算法，看了别人的才做出来。

执行用时 :172 ms, 在所有 Python3 提交中击败了10.63%的用户

内存消耗 :14.9 MB, 在所有 Python3 提交中击败了5.04%的用户

效果却不怎么好。。。

但是人家聪明的人只需要两三行就写出来了：

class Solution:
    def maxSubArray(self, nums) -> int:
        for i in range(1 ,len(nums)):
            submaxnum =max(nums[i]+nums[i-1],nums[i])
            nums[i] =submaxnum
            print(nums)
        return max(nums)

我好蠢。。。。

——2019.9.29

转载于:https://www.cnblogs.com/taoyuxin/p/11606483.html