标签：format 比较 优化问题 return 最大值 span leetcode diff out
Find the contiguous subarray within an array (containing at least one number) which has the largest sum.
For example, given the array [-2,1,-3,4,-1,2,1,-5,4],
the contiguous subarray [4,-1,2,1] has the largest sum = 6.
贪婪算法找每个当前位置对应的最大的subarray,
class Solution {
public:
int maxSubArray(vector<int>& nums) {
int n=nums.size();
vector<int> eachnum;
int sum=0;
for(int i=0;i<n;i++)
{
if(sum<0)
{
sum=0;
}
sum+=nums[i];
eachnum.push_back(sum);
cout<<sum<<endl;
// eachnum[i]=sum;
}
vector<int>:: iterator biggest=max_element(eachnum.begin(),eachnum.end());
return *biggest;
}
};
更简单的方法，记录当前最大的结果，因为每遇到一个数，可能有两种可能，一是加这个数，二是从这个数开始。 那我们就要找当前的最优情况与历史最优情况比较。
和可能的结果：
class Solution {
public:
int maxSubArray(vector<int>& nums) {
int adj_sum = 0;
int cont_sum = nums[0];
for (vector<int>::iterator it = nums.begin(); it<nums.end(); it++)
{
adj_sum+=*it;
adj_sum = max(adj_sum, *it);//记录加当前数与从当前数开始的最大值
cont_sum = max(cont_sum, adj_sum);// 比较当前的最大值与历史最大值，记录最大值
}
return cont_sum;
}
};
这是一个最优化问题，最优化问题一般都可以用DP（动态规划）解决。 对于动态规划，要考虑子问题是什么（形式的子问题或状态的子问题）子问题就可以用recursive solution。
maxSubArray(A,i)=maxSubArray(A, i-1)>0?maxSubArray(A, i-1):0+A[i];
so the solution is same as the previous one:
int maxSubArray(vector<int> & nums)
{
int n=nums.size();
int num=0;
int* dp=new int[n];
dp[0]=nums[0];
int maxsum=nums[0];
for (int i=1;i<n;i++)
{
if(dp[i-1]<0)
dp[i]=nums[i];
else
dp[i]=dp[i-1]+nums[i];
cout<<dp[i]<<" "<<dp[i-1]<<endl;
maxsum=max(maxsum,dp[i]);
cout<<maxsum<<endl;
}
return maxsum;
}
开始写 dp[i]=nums[i]+dp[i-1]>0?dp[i-1]:0; 有错哈哈， 忘了带括号
dp[i]=nums[i]+(dp[i-1]>0?dp[i-1]:0);
标签：format 比较 优化问题 return 最大值 span leetcode diff out
原文地址：http://www.cnblogs.com/fanhaha/p/7222002.html
