在上篇文章「初探动态规划」里面,我提到要写好动态规划须要先写好递归,今天就再谈谈怎么写好递归。算法
为何要写好递归?写递归符合动态规划的原理,同时也容易被人理解。那么该怎么写好这个递归呢?大量的实战练习,直接上例题。数组
- 最大子序和
给定一个整数数组 nums ,找到一个具备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。
题干给的是一个整数数组,那么就有正有负,这点很关键,若是没有负数,这道题就根本不用想,直接数组求和。bash
直接思路就是遍历搜索,用一个变量存储最大值,须要两个索引,一个指向子数组的开头,一个指向子数组的结尾,算出子数组的值和最大值比较而且决定是否更新。post
第一波思路就这么简单粗暴,随后再优化。学习
public static int maxSubArray(int[] nums) {
return solve(0, 0, nums);
}
public static int solve(int start, int end, int[] nums) {
if (start > end) {
// 这里是为了方便表示,实际不能这样写,若是返回加了一个负数,会直接越界变成一个超级大的正数
return Integer.MIN_VALUE;
}
if (start > nums.length - 1) {
return Integer.MIN_VALUE;
}
if (end > nums.length - 1) {
return Integer.MIN_VALUE;
}
int total = 0;
// 计算子数组和
for (int i = start; i <= end; i++) {
total += nums[i];
}
//end 朝后移动一位
int b = solve(start, end + 1, nums);
//start 朝后移动一位
int a = solve(start + 1, end, nums);
// 取三者最大值返回
total = Math.max(total, a);
total = Math.max(total, b);
return total;
}
复制代码
虽然这个时间复杂度不敢恭维,但思路简单明了易于理解,这种算法是确定不行得,在 LeetCode 上面会超时。测试
即便加一个 dp[start][end] 的辅助空间用记忆搜索也仍是会超时,由于在 LeetCode 会给你一个超级大的数组求和,数组大到我 QQ 消息一次都发不完的那种。然而正向递推(for)初始条件那块,一直没有弄好,因此不能靠这种方式经过。优化
这个时候应该想一想递归还能不能优化,这种方式的递归太简单粗暴了,能不能换一种柔和一点的递归,好比一个索引的递归?回归问题自己,子数组最大的和这个问题。ui
刚才两个索引的方案已经被放弃了,那么一个索引应该怎么存储呢?划重点:若是当前值比以前累加的值大,那么以前的累加值能够直接放弃,从新开始累加。好好体会这句话,这句话就能够把索引从两个变成一个。spa
public static int max = 0;
public static int maxSubArray(int[] nums) {
max = nums[nums.length - 1];
solve(nums.length - 1, nums[nums.length - 1], nums);
return max;
}
public static int solve(int index, int total, int[] nums) {
if (index < 0) {
return -100000;
}
// 比较当前值和以前的积累
total = Math.max(nums[index] + solve(index - 1, total, nums), nums[index]);
// 始终存储最大的那个值
max = Math.max(max, total);
return total;
}
复制代码
这个版本的递归确定仍是过不了测试,但这样子的记忆搜索已经能够过全部测试用例了。code
回顾整个过程,一样一道题,不一样的思考方式带来的不一样递归方式,虽然都能算出答案,但这个过程明显不同,而这就是动态规划须要学习的地方,优化,优化,再优化。
这两篇自我感受写得很没有水准,我的缘由占大部分,我对动态规划远远没有到驾轻就熟的地步,思惟出现了断层,不成体系。