山水山水,有山有水才是好风光。夜色越来越浓了,村落啦,树林子啦,坑洼啦,沟渠啦,好象一下子全都掉进了神秘的沉寂里。
描述
给定一个序列(至少含有 1 个数),从该序列中寻找一个连续的子序列,使得子序列的和最大。
例如,给定序列 [-2,1,-3,4,-1,2,1,-5,4],
连续子序列 [4,-1,2,1] 的和最大,为 6。
我 v1.0
class Solution: def maxSubArray(self, nums): """ :type nums: List[int] :rtype: int """ l = len(nums) i = 0 result = nums[0] while i < l: sums = [] temp = 0 for j in range(i, l): temp+=nums[j] sums.append(temp) if result < max(sums): result = max(sums) i+=1 return result
测试结果如下:
本地运行时间为14.7s,说明我的方法太粗暴了。应该寻找更好的算法。
我 优化后v1.1。优化方案,去掉sums数组,节省空间。但时间复杂度仍然不变。
l = len(nums) i = 0 result = nums[0] while i < l: temp = 0 for j in range(i, l): temp+=nums[j] if result < temp: result = temp i+=1 return result
仍然只通过200/202测试用例,仍然超出时间限制。但本地运行时间为8.3s。有进步。
别人,分治法。时间复杂度O(NlogN)
将输入的序列分成两部分,这个时候有三种情况。
1)最大子序列在左半部分
2)最大子序列在右半部分
3)最大子序列跨越左右部分。
前两种情况通过递归求解,第三种情况可以通过。
分治法代码大概如下,emmm。。。目前还没有完全理解。
def maxC2(ls,low,upp): #"divide and conquer" if ls is None: return 0 elif low==upp: return ls[low] mid=(low+upp)/2 #notice: in the higher version python, “/” would get the real value lmax,rmax,tmp,i=0,0,0,mid while i>=low: tmp+=ls[i] if tmp>lmax: lmax=tmp i-=1 tmp=0 for k in range(mid+1,upp): tmp+=ls[k] if tmp>rmax: rmax=tmp return max3(rmax+lmax,maxC2(ls,low,mid),maxC2(ls,mid+1,upp)) def max3(x,y,z): if x>=y and x>=z: return x return max3(y,z,x)
动态规划算法,时间复杂度为O(n)。
分析:寻找最优子结构。
l = len(nums) i = 0 sum = 0 MaxSum = nums[0] while i < l: sum+=nums[i] if sum > MaxSum: MaxSum = sum if sum < 0: sum = 0 i+=1 return MaxSum
Oh!My god!!! !!!!!!!!运行只花了0.2s!!!!!!!!!!!!!!!这也太强了吧!!
优化后,运行时间0.1s.
sum = 0 MaxSum = nums[0] for i in range(len(nums)): sum += nums[i] if sum > MaxSum: MaxSum = sum if sum < 0: sum = 0 return MaxSum
其中
sum += nums[i]
必须紧挨。
MaxSum = sum
到此这篇关于Python实现最大子序和的方法示例就介绍到这了。与积极的人在一起,可以让我们心情高昂。更多相关Python实现最大子序和的方法示例内容请查看相关栏目,小编编辑不易,再次感谢大家的支持!