问题定义#
给定一个包含正数和负数的一维数组 ,寻找一个连续子数组 ,使得
子数组的元素和最大,即求:
并返回这个最大值。有时还需要返回这个子数组的起止位置
应用场景#
股票买卖分析:寻找买入和卖出时间,使利润最大(即涨幅最大的一段时间)。
财务数据分析:寻找公司利润最好的时间段。
图像处理:在像素数组中找出亮度最集中的区域。
DNA 序列分析:在基因评分序列中寻找最优片段。
暴力法求解(枚举)#
max_sum = float('-inf')
for i in range(n):
sum = 0
for j in range(i, n):
sum += A[j]
if sum > max_sum:
max_sum = sum
有 个子数组。时间复杂度为 。子数组的和在累加中直接 求出。
分治法求解#
思路: 将数组分成左右两半,递归地解决左半和右半的最大子数组,然后处理跨越中间的最大子数组。分别考虑以下的三种情况:
最大子数组在左边
最大子数组在右边
最大子数组横跨中点
时间复杂度
递推式:,然后使用主定理求得
或直接分析可得
def max_subarray(A, left, right):
if left == right:
return A[left], left, right
mid = (left + right) // 2
left_sum, l_start, l_end = max_subarray(A, left, mid)
right_sum, r_start, r_end = max_subarray(A, mid + 1, right)
cross_sum, c_start, c_end = max_crossing_subarray(A, left, mid, right)
if left_sum >= right_sum and left_sum >= cross_sum:
return left_sum, l_start, l_end
elif right_sum >= left_sum and right_sum >= cross_sum:
return right_sum, r_start, r_end
else:
return cross_sum, c_start, c_end
def max_crossing_subarray(A, left, mid, right):
sum = 0
left_max = float('-inf')
max_left = mid
for i in range(mid, left - 1, -1):
sum += A[i]
if sum > left_max:
left_max = sum
max_left = i
sum = 0
right_max = float('-inf')
max_right = mid + 1
for j in range(mid + 1, right + 1):
sum += A[j]
if sum > right_max:
right_max = sum
max_right = j
return left_max + right_max, max_left, max_right
动态规划法#
思路:用变量 current_sum 表示以当前位置结尾的最大子数组和,如果当前元素单独更优,就重启子数组;否则就扩展当前子数组
迭代方程:
时间复杂度:
current_sum = max_sum = A[0]
for i in range(1, n):
current_sum = max(A[i], current_sum + A[i])
max_sum = max(max_sum, current_sum)