• 最大和的连续子数组合计


    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。

    来源:力扣(LeetCode)
    链接:https://leetcode-cn.com/problems/maximum-subarray
    著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。

    • 算法一:动态规划,创建二维数组,每个数组中保存m到n的合计,最后获得二维数组中的最大值,在leetcode中超出内存~~~
        public static int maxSubArray(int[] nums) {
            int sum = Integer.MIN_VALUE;
            int[][] dp = new int[nums.length + 1][nums.length + 1];
            dp[0][0] = nums[0];
            for (int i = 0; i < nums.length; i++) {
                dp[i][i] = nums[i];
                sum = Math.max(dp[i][i], sum);
            }
            for (int i = 0; i < nums.length; i++) {
                for (int j = i + 1; j < nums.length; j++) {
                    dp[i][j] = dp[i][j - 1] + nums[j];
                    sum = Math.max(dp[i][j], sum);
                }
            }
            for (int i = 0; i < nums.length; i++) {
                for (int j = 0; j < nums.length; j++) {
                    System.out.print(dp[i][j] + " ");
                }
                System.out.println();
            }
            return sum;
        }
    • 算法二:暴力循环,算法在leetcode中时间超时~~
        public static int maxSubArray1(int[] nums) {
            int sumInt = Integer.MIN_VALUE;
    
            for (int i = 0; i < nums.length; i++) {
                for (int j = i; j < nums.length; j++) {
                    sumInt = Math.max(sum(nums, i, j), sumInt);
                }
            }
            return sumInt;
        }
    
        public static int sum(int[] nums, int start, int end) {
            int sum = 0;
            for (int i = start; i <= end; i++) {
                sum += nums[i];
            }
            return sum;
        }
    • 算法三:也是动态规划,使用一位数组表示,每个节点是保存当前直接前的最大值,leetcode过了~~
    public static int maxSubArray(int[] nums) {
            int[] dp = new int[nums.length];
            dp[0] = nums[0];
            int sum = nums[0];
            for (int i = 1; i < nums.length; i++) {
                dp[i] = Math.max(dp[i - 1] + nums[i], nums[i]);
                sum = Math.max(sum, dp[i]);
            }
            return sum;
        }
  • 相关阅读:
    微服务化之无状态化与容器化
    微服务化的不同阶段 Kubernetes 的不同玩法
    网易大数据技术沙龙
    十年•杭研技术秀 | “网易云存储服务”从0到1发展之路
    传统业务上云:跨AZ容灾架构解析
    kubernetes1.9管中窥豹-CRD概念、使用场景及实例
    浅谈 kubernetes service 那些事 (下篇)
    浅谈 kubernetes service 那些事(上篇)
    Docker容器的原理与实践(上)
    Docker容器的原理与实践 (下)
  • 原文地址:https://www.cnblogs.com/use-D/p/13387231.html
Copyright © 2020-2023  润新知