[刷题]Maximum Subarray III

本文介绍了一个算法问题:寻找整数数组中k个非重叠子数组的最大和。通过动态规划的方法实现,构造了三维动态规划数组dp,详细解释了初始化及状态转移方程。

[LintCode]Maximum Subarray III

public class Solution {
    /**
     * @param nums: A list of integers
     * @param k: An integer denote to find k non-overlapping subarrays
     * @return: An integer denote the sum of max k non-overlapping subarrays
     */
    public int maxSubArray(int[] nums, int k) {
        // 2016-04-06 dp O(n^3) 很难仔细看
        int len = nums.length;
        int[][] dp = new int[k + 1][len];
        // dp[i][j]表示有i个subarray且最后一个subarray的最后一个数是num[j]的所有情况中的最大解
        
        // 初始化1 第一行默认为全0
        // 初始化2 斜着dp[i][i - 1] 
        // 最简单的情况,比如说4个数,4个subarray,即四个数求和
        int sum = 0;
        int index = 0;
        for (int i = 1; i < k + 1; i++) {
            sum += nums[index++];
            dp[i][i - 1] = sum;
        }
        
        // 初始化3 第二行 dp[1][:] 一个subarray的情况
        for (int j = 1; j < len; j++) {
        dp[1][j] = Math.max(dp[1][j - 1] + nums[j], nums[j]);
        }
        
        // 给dp[i][n] 赋值 从第三行开始
        for (int i = 2; i < k + 1; i++) { // 选定某一行
            for (int n = i; n < len; n++) { // 从左到右依次填数。注意n的边界
                int curMax = dp[i][n - 1] + nums[n];  // 同一行 加上左边的数
                // 因为dp[i][n - 1]中包含num[n - 1],所有加上num[n] 表示,最后的subarray又延长了一位
                for (int j = i - 2; j < n; j++) { // j从i - 2开始 是因为这是已初始化部分的边界
                    curMax = Math.max(dp[i - 1][j] + nums[n], curMax); // 与上一行所有的数依次相加,表示新加的一个是单独是一个subarray
                }
                dp[i][n] = curMax; // 注意dp[i][n]中一定包含num[n]
            }
        }
        
        // 在最后一行中找最大
        int rst = Integer.MIN_VALUE;
        for (int j = k-1; j < len; j++){
            rst = Math.max(dp[k][j], rst);
        }
        return rst;
    }
}


/**
 * 举例 Given [-1,4,-2,3,-2,3], k=2, return 8
 * dp矩阵是3 * 8
 * 0 0 0 0 0 0
 * 1 4 2 5 3 6
 * 0 3 2 7 5 8
 */




### LeetCode 推荐列表与学习路径 在 LeetCode 上进行时,制定一个合理的计划非常重要。以下是一个基于算法分类的学习路径和推荐目列表[^1]: #### 学习路径 1. **基础算法理论** 在开始之前,建议先通过视频或书籍了解基本的算法理论。例如,分治法、贪心算法、动态规划、二叉搜索树(BST)、图等概念[^1]。 2. **数据结构基础** 熟悉常见的数据结构,包括数组、链表、栈、队列、哈希表、树、图等。确保对这些数据结构的操作有深刻理解。 3. **分模块** 按照以下顺序逐步深入: - 树:从简单的遍历问(如前序、中序、后序遍历)开始,逐渐过渡到复杂问(如二叉搜索树验证、平衡二叉树等)。 - 图与回溯算法:学习图的表示方法(邻接矩阵、邻接表),并练习深度优先搜索(DFS)和广度优先搜索(BFS)。结合回溯算法解决组合问、排列问等。 - 贪心算法:选择一些经典的贪心问(如活动选择问、区间覆盖问)进行练习。 - 动态规划:从简单的 DP 问(如爬楼梯、斐波那契数列)入手,逐步掌握状态转移方程的设计技巧。 4. **策略** 时优先选择简单或中等难度的目,并关注通过率较高的目。这有助于建立信心并巩固基础知识[^1]。 #### 推荐目列表 以下是按算法分类的 LeetCode 目推荐列表: 1. **树** - [104. 二叉树的最大深度](https://leetcode-cn.com/problems/maximum-depth-of-binary-tree/) - [94. 二叉树的中序遍历](https://leetcode-cn.com/problems/binary-tree-inorder-traversal/) - [236. 二叉树的最近公共祖先](https://leetcode-cn.com/problems/lowest-common-ancestor-of-a-binary-search-tree/) 2. **图与回溯** - [79. 单词搜索](https://leetcode-cn.com/problems/word-search/) - [51. N皇后](https://leetcode-cn.com/problems/n-queens/) - [78. 子集](https://leetcode-cn.com/problems/subsets/) 3. **贪心** - [455. 分发饼干](https://leetcode-cn.com/problems/assign-cookies/) - [135. 分发糖果](https://leetcode-cn.com/problems/candy/) - [406. 根据身高重建队列](https://leetcode-cn.com/problems/queue-reconstruction-by-height/) 4. **动态规划** - [70. 爬楼梯](https://leetcode-cn.com/problems/climbing-stairs/) - [53. 最大子数组和](https://leetcode-cn.com/problems/maximum-subarray/) - [300. 最长递增子序列](https://leetcode-cn.com/problems/longest-increasing-subsequence/) #### 示例代码 以下是一个简单的动态规划问示例——“不同路径”[^3]: ```python def uniquePaths(m, n): dp = [[1] * n for _ in range(m)] for i in range(1, m): for j in range(1, n): dp[i][j] = dp[i-1][j] + dp[i][j-1] return dp[-1][-1] # 测试用例 print(uniquePaths(3, 2)) # 输出:3 ``` ###
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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