LeetCode题解1186.maximum-subarray-sum-with-one-deletion

题目地址

https://leetcode.com/problems/maximum-subarray-sum-with-one-deletion/

题目描述


给你一个整数数组，返回它的某个 非空 子数组（连续元素）在执行一次可选的删除操作后，所能得到的最大元素总和。

换句话说，你可以从原数组中选出一个子数组，并可以决定要不要从中删除一个元素（只能删一次哦），（删除后）子数组中至少应当有一个元素，然后该子数组（剩下）的元素总和是所有子数组之中最大的。

注意，删除一个元素后，子数组 不能为空。

请看示例：

示例 1：

输入：arr = [1,-2,0,3]
输出：4
解释：我们可以选出 [1, -2, 0, 3]，然后删掉 -2，这样得到 [1, 0, 3]，和最大。
示例 2：

输入：arr = [1,-2,-2,3]
输出：3
解释：我们直接选出 [3]，这就是最大和。
示例 3：

输入：arr = [-1,-1,-1,-1]
输出：-1
解释：最后得到的子数组不能为空，所以我们不能选择 [-1] 并从中删去 -1 来得到 0。
     我们应该直接选择 [-1]，或者选择 [-1, -1] 再从中删去一个 -1。
 

提示：

1 <= arr.length <= 10^5
-10^4 <= arr[i] <= 10^4

思路

暴力法

符合知觉的做法是求出所有的情况，然后取出最大的。我们只需要两层循环接口，外循环用于确定我们丢弃的元素，内循环用于计算subArraySum。

  class Solution:
    def maximumSum(self, arr: List[int]) -> int:
        res = arr[0]
        def maxSubSum(arr, skip):
            res = maxSub = float("-inf")
           
            for i in range(len(arr)):
                if i == skip:
                    continue
                maxSub = max(arr[i], maxSub + arr[i])
                res = max(res, maxSub)
            return res
		# 这里循环到了len(arr)项，表示的是一个都不删除的情况
        for i in range(len(arr) + 1):
            res = max(res, maxSubSum(arr, i))
        return res

空间换时间

上面的做法在LC上会TLE，因此我们需要换一种思路，既然超时了，我们是否可以从空间换时间的角度思考呢？我们可以分别从头尾遍历，建立两个subArraySub的数组l和r。其实这个不难想到，很多题目都用到了这个技巧。

具体做法：

一层遍历，建立l数组，l[i]表示从左边开始的以arr[i]结尾的subArraySum的最大值
一层遍历，建立r数组，r[i]表示从右边开始的以arr[i]结尾的subArraySum的最大值
一层遍历，计算 l[i - 1] + r[i + 1] 的最大值

l[i - 1] + r[i + 1]的含义就是删除arr[i]的子数组最大值

上面的这个步骤得到了删除一个的子数组最大值，不删除的只需要在上面循环顺便计算一下即可

class Solution:
    def maximumSum(self, arr: List[int]) -> int:
        n = len(arr)
        l = [arr[0]] * n
        r = [arr[n - 1]] * n
        if n == 1:
            return arr[0]
        res = arr[0]
        for i in range(1, n):
            l[i] = max(l[i - 1] + arr[i], arr[i])
            res = max(res, l[i])
        for i in range(n - 2, -1, -1):
            r[i] = max(r[i + 1] + arr[i], arr[i])
            res = max(res, r[i])
        for i in range(1, n - 1):
            res = max(res, l[i - 1] + r[i + 1])
      
        return res

动态规划

上面的算法虽然时间上有所改善，但是正如标题所说，空间复杂度是O(n),有没有办法改进呢？答案是使用动态规划。

具体过程：

定义max0，表示以arr[i]结尾且一个都不漏的最大子数组和
定义max1，表示以arr[i]或者arr[i - 1]结尾，可以漏一个的最大子数组和
遍历数组，更新max1和max0（注意先更新max1，因为max1用到了上一个max0）
其中 max1 = max(max1 + arr[i], max0), 即删除arr[i - 1]或者删除arr[i]
其中 max0 = max(max0 + arr[i], arr[i])，一个都不删除

#
# @lc app=leetcode.cn id=1186 lang=python3
#
# [1186] 删除一次得到子数组最大和
#

# @lc code=start


class Solution:
    def maximumSum(self, arr: List[int]) -> int:
        # DP
        max0 = arr[0]
        max1 = arr[0]
        res = arr[0]
        n = len(arr)
        if n == 1:
            return max0

        for i in range(1, n):
            # 先更新max1，再更新max0，因为max1用到了上一个max0
            max1 = max(max1 + arr[i], max0)
            max0 = max(max0 + arr[i], arr[i])
            res = max(res, max0, max1)
        return res


# @lc code=end

关键点解析

空间换时间
头尾双数组
动态规划