普通数组----最大子数组和

🔥个人主页： Milestone-里程碑

❄️个人专栏: <<力扣hot100>> <<C++>><<Linux>>

<<Git>><<MySQL>>

🌟心向往之行必能至

一、题目背景

LeetCode 53 题「最大子数组和」是算法面试中的经典问题，属于动态规划与前缀和的典型应用。题目要求在给定整数数组中，找到一个连续子数组（最少包含一个元素），使其和最大并返回该值。

例如：

• 输入 nums = [-2,1,-3,4,-1,2,1,-5,4]，输出 6（对应子数组 [4,-1,2,1]）。
• 输入 nums = [5,4,-1,7,8]，输出 23（对应子数组 [5,4,-1,7,8]）。

这道题不仅考察算法思维，还能帮助理解「前缀和」「动态规划」等核心概念，是大厂面试的高频考点。

二、核心思路：前缀和 + 最小前缀和

1. 前缀和的定义

对于数组 nums，定义前缀和数组 sum，其中 sum[i] 表示从 nums[0] 到 nums[i] 的累加和：

sum[i]=nums[0]+nums[1]+⋯+nums[i]

那么，子数组 nums[j+1 ... i] 的和可以表示为：

sum[i]−sum[j]

我们的目标是找到 j < i，使得 sum[i] - sum[j] 最大。

2. 转化问题：找最小前缀和

对于每个 i，要让 sum[i] - sum[j] 最大，等价于找到最小的 sum[j]（其中 j < i）。

因此，我们可以维护两个变量：

• sum：当前的前缀和（sum[i]）。
• min_sum：遍历到当前位置时，最小的前缀和（min{sum[0], sum[1], ..., sum[i-1]}）。

每遍历一个元素，我们先更新当前前缀和 sum，然后计算 sum - min_sum（即当前子数组的最大可能和），并维护全局最大值 Max。最后更新 min_sum 为当前最小的前缀和。

3. 初始值的关键设置

• sum 初始化为 0，表示前缀和从空数组开始累加。
• min_sum 初始化为 0，对应 sum[-1] = 0（空数组的前缀和），确保第一个元素也能正确计算。
• Max 初始化为 INT_MIN，处理数组全为负数的情况（例如 nums = [-5,-3,-2]，最大子数组和为 -2）。

三、代码实现（C++）

cpp

运行

#include <vector>
#include <climits>
using namespace std;

class Solution {
public:
    // 子数组可以看成子数组最右边的前缀和减去它前面的最小前缀和
    int maxSubArray(vector<int>& nums) {
        int sum = 0;
        int Max = INT_MIN;
        int min_sum = 0;
        for (int i = 0; i < nums.size(); ++i) {
            sum += nums[i];
            Max = max(Max, sum - min_sum); // 计算当前子数组的最大和
            min_sum = min(min_sum, sum);   // 更新最小前缀和
        }
        return Max;
    }
};

四、代码逐行解析

1. 变量初始化：

   • sum = 0：当前前缀和，初始为空数组的和。
   • Max = INT_MIN：全局最大子数组和，初始为最小整数，确保能正确更新负数情况。
   • min_sum = 0：最小前缀和，初始为空数组的和。

2. 遍历数组：

   • sum += nums[i]：累加当前元素，更新前缀和。
   • Max = max(Max, sum - min_sum)：计算以当前元素结尾的子数组的最大和（当前前缀和减去之前的最小前缀和），并更新全局最大值。
   • min_sum = min(min_sum, sum)：更新最小前缀和，确保后续计算能用到更小的前缀和。

3. 返回结果 ：遍历结束后，Max 即为整个数组的最大子数组和。

五、示例验证（以 nums = [-2,1,-3,4,-1,2,1,-5,4] 为例）

索引 i	nums[i]	sum（前缀和）	sum - min_sum	Max	min_sum
0	-2	-2	-2 - 0 = -2	-2	min(0,-2)=-2
1	1	-1	-1 - (-2) = 1	1	min(-2,-1)=-2
2	-3	-4	-4 - (-2) = -2	1	min(-2,-4)=-4
3	4	0	0 - (-4) = 4	4	min(-4,0)=-4
4	-1	-1	-1 - (-4) = 3	4	min(-4,-1)=-4
5	2	1	1 - (-4) = 5	5	min(-4,1)=-4
6	1	2	2 - (-4) = 6	6	min(-4,2)=-4
7	-5	-3	-3 - (-4) = 1	6	min(-4,-3)=-4
8	4	1	1 - (-4) = 5	6	min(-4,1)=-4

最终，Max = 6，与示例输出一致。

六、复杂度分析

• 时间复杂度 ：O(n)，仅需遍历数组一次，每个元素的操作都是常数时间。
• 空间复杂度 ：O(1)，仅使用了常数个变量，未额外开辟数组空间。

七、解法对比

解法	时间复杂度	空间复杂度	适用场景
前缀和 + 最小前缀和	O(n)	O(1)	追求时间、空间效率最优
Kadane 算法（动态规划）	O(n)	O(1)	直观理解「当前子数组和是否延续」
分治法	O(n log n)	O(log n)	理解分治思想，适合教学场景

前缀和 + 最小前缀和的解法与 Kadane 算法效率相同，但思路更偏向数学推导，适合从前缀和的角度理解问题。

八、总结

LeetCode 53 题的核心是将「最大子数组和」转化为「前缀和的差值最大化」问题，通过维护最小前缀和，在一次遍历中完成计算，时间和空间复杂度均为最优。这种思路不仅能解决本题，还可拓展到类似的子数组和问题（如返回子数组的起始 / 结束索引）。