【忍者算法】从股市走势到动态规划：探索最大子数组和问题｜LeetCode 53 最大子数组和

从股市走势到动态规划：探索最大子数组和问题

生活中的算法

想象你是一位股票交易员，手上有一支股票的每日涨跌数据。你想找出哪段连续的交易日能获得最大的收益。如果某天股票上涨5元，我们记为+5，下跌3元记为-3。找出总和最大的一段连续交易日，就是在寻找最大子数组和。

这个问题在现实生活中很常见。比如分析用户活跃度的波动趋势，研究气温变化的最大累积效应，或是评估企业连续几个月的盈利表现。

问题描述

LeetCode第53题"最大子数组和"是这样描述的：给你一个整数数组 nums，请你找出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。

例如：

输入：nums = [-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。

最直观的解法：暴力枚举

最容易想到的方法是：枚举所有可能的子数组，计算它们的和，找出最大值。

让我们用一个简单的例子来理解：

nums = [1,-2,3,-1]
检查子数组 [1]：和为1
检查子数组 [1,-2]：和为-1
检查子数组 [1,-2,3]：和为2
检查子数组 [1,-2,3,-1]：和为1
检查子数组 [-2]：和为-2
...依此类推
找到最大和为3，对应子数组[3]

优化解法：动态规划

仔细思考会发现，我们在计算每个位置结尾的最大子数组和时，只需要关注前一个位置的最大子数组和是否值得接续。

类似继承资产，如果之前继承的是正资产，不管多还是少，有总比没有好。我在之前的资产基础上，加上我目前的资产或者负债。

可要是之前继承的是一笔负债，那我宁可不要，选择白手起家。

动态规划的原理

1. 定义dp[i]为以第i个数结尾的最大子数组和
2. 如果前面的和是正数，就值得接续；如果是负数，就重新开始
3. 状态转移方程：dp[i] = max(dp[i-1] + nums[i], nums[i])
4. 最终答案是dp数组中的最大值

算法步骤演示

用nums = [1,-2,3,-1]演示这个过程：

1. 处理1：
dp[0] = 1
当前最大和 = 1

2. 处理-2：
dp[1] = max(1-2, -2) = -1
当前最大和 = 1

3. 处理3：
dp[2] = max(-1+3, 3) = 3
当前最大和 = 3

4. 处理-1：
dp[3] = max(3-1, -1) = 2
最终最大和 = 3

Java代码实现

public int maxSubArray(int[] nums) {
    if (nums == null || nums.length == 0) {
        return 0;
    }

    // dp[i]表示以i结尾的最大子数组和
    int[] dp = new int[nums.length];
    dp[0] = nums[0];
    int maxSum = dp[0];

    for (int i = 1; i < nums.length; i++) {
        // 状态转移：要么接续前面的和，要么重新开始
        dp[i] = Math.max(dp[i-1] + nums[i], nums[i]);
        // 更新全局最大和
        maxSum = Math.max(maxSum, dp[i]);
    }

    return maxSum;
}

进一步优化：空间优化

观察发现，我们其实只需要前一个状态的值，不需要保存整个dp数组。

public int maxSubArray(int[] nums) {
    if (nums == null || nums.length == 0) {
        return 0;
    }

    int currentMax = nums[0];
    int maxSum = nums[0];

    for (int i = 1; i < nums.length; i++) {
        currentMax = Math.max(currentMax + nums[i], nums[i]);
        maxSum = Math.max(maxSum, currentMax);
    }

    return maxSum;
}

解法比较

让我们比较这些解法：

暴力枚举：

• 时间复杂度：O(n²)
• 空间复杂度：O(1)
• 优点：直观易懂
• 缺点：效率较低

动态规划：

• 时间复杂度：O(n)
• 空间复杂度：O(n)
• 优点：高效且易于理解
• 缺点：需要额外空间

空间优化版：

• 时间复杂度：O(n)
• 空间复杂度：O(1)
• 优点：时空效率都很高
• 缺点：代码不如dp数组版直观

扩展思考

这道题目启发我们：

1. 当遇到"最大"/"最小"类型的问题时，考虑动态规划
2. 寻找问题中的递推关系
3. 关注是否可以优化空间复杂度
4. 注意处理负数的情况

类似的问题还有：

• 买卖股票的最佳时机
• 乘积最大子数组
• 环形子数组的最大和

小结

通过最大子数组和这道题，我们不仅学会了一个经典的动态规划问题的解法，更重要的是理解了如何将复杂问题分解为子问题，并利用子问题的解构建最终答案。这种思维方式在解决其他动态规划问题时也会很有帮助。

记住，当遇到需要求解"最大连续和"类型的问题时，动态规划往往能提供一个优雅而高效的解决方案！

---

作者：忍者算法

公众号：忍者算法

我准备了一份刷题清单，以及这些题目的详细题解，覆盖了绝大部分常见面试题。我可以很负责任地说，只要你把这些题真正掌握了，80%的算法面试都能遇到相似题目。公众号回复【刷题清单】获取～