标签：for color 数组 给定一个整数数组 mic dex 表示 实现 i++
Leetcode之动态规划（DP）专题-53. 最大子序和（Maximum Subarray）
给定一个整数数组 nums ，找到一个具有最大和的连续子数组（子数组最少包含一个元素），返回其最大和。
示例:
输入: [-2,1,-3,4,-1,2,1,-5,4],
输出: 6
解释: 连续子数组 [4,-1,2,1] 的和最大，为 6。
进阶:
如果你已经实现复杂度为 O(n) 的解法，尝试使用更为精妙的分治法求解。
定义：dp[i] 表示从起点到index=i的这个段内的最大子序和。
例如：dp[1] = 在[-2,1]这个区间里面的最大子序和，dp[1]=1
写出状态转移方程：dp[i] = max( dp[i-1] , 0) + nums[i];
例如：
[-2,1]里，dp[1]可能是nums[1]自己的值，也可能是nums[0]+nums[1]的值，
因为dp[0] = -2，所以当计算dp[1]的时候，我们首先用dp[0]和0比，发现dp[0]<0，那我们就舍弃dp[0]，只要nums[i]的值
写出初始版本：
class Solution { public int maxSubArray(int[] nums) { int ans = 0; int n = nums.length; int[] dp = new int[n]; dp[0] = nums[0]; ans = nums[0]; for (int i = 1; i < n; i++) { dp[i] = Math.max(0,dp[i-1])+nums[i]; ans = Math.max(ans,dp[i]); } return ans; } }
我们可以进一步优化，即把dp[i-1]用一个变量代替。
优化版本：
class Solution { public int maxSubArray(int[] nums) { int ans = Integer.MIN_VALUE; int n = nums.length; int last = 0; for (int i = 0; i < n; i++) { int temp = Math.max(0,last)+nums[i]; ans = Math.max(ans,temp); last = temp; } return ans; } }
Leetcode之动态规划（DP）专题-53. 最大子序和（Maximum Subarray）
标签：for color 数组 给定一个整数数组 mic dex 表示 实现 i++
原文地址：https://www.cnblogs.com/qinyuguan/p/11473973.html
