第五章 - 高频考题（中等）
1906. 查询差绝对值的最小值
1186. 删除一次得到子数组最大和
题目地址(1186. 删除一次得到子数组最大和)
题目描述
1
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。
2
3
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。
4
5
注意，删除一个元素后，子数组 不能为空。
6
7
请看示例：
8
9
示例 1：
10
11
输入：arr = [1,-2,0,3]
12
输出：4
13
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。
14
示例 2：
15
16
输入：arr = [1,-2,-2,3]
17
输出：3
18
解释：我们直接选出 [3]，这就是最大和。
19
示例 3：
20
21
输入：arr = [-1,-1,-1,-1]
22
输出：-1
23
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。
24
我们应该直接选择 [-1]，或者选择 [-1, -1] 再从中删去一个 -1。
25
26
27
提示：
28
29
1 <= arr.length <= 10^5
30
-10^4 <= arr[i] <= 10^4
Copied!
前置知识
- 数组
- 动态规划
公司
- 字节
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。
1
class Solution:
2
def maximumSum(self, arr: List[int]) -> int:
3
res = arr[0]
4
def maxSubSum(arr, skip):
5
res = maxSub = float("-inf")
6
7
for i in range(len(arr)):
8
if i == skip:
9
continue
10
maxSub = max(arr[i], maxSub + arr[i])
11
res = max(res, maxSub)
12
return res
13
# 这里循环到了len(arr)项，表示的是一个都不删除的情况
14
for i in range(len(arr) + 1):
15
res = max(res, maxSubSum(arr, i))
16
return res
Copied!
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
这里以 xxx 结尾有两种情况，要么自身就是一个数，要么就是和前面结合构成一个子序列。只要取这两种情况的最大值即可（因为我们的目标是求最大值）
- 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。题目要求的是最多删除一个，因此还有一种不删除的情况。不删除的只需要在上面循环顺便计算一下即可。
1
class Solution:
2
def maximumSum(self, arr: List[int]) -> int:
3
n = len(arr)
4
l = [arr[0]] * n
5
r = [arr[n - 1]] * n
6
if n == 1:
7
return arr[0]
8
res = arr[0]
9
for i in range(1, n):
10
l[i] = max(l[i - 1] + arr[i], arr[i])
11
res = max(res, l[i])
12
for i in range(n - 2, -1, -1):
13
r[i] = max(r[i + 1] + arr[i], arr[i])
14
res = max(res, r[i])
15
for i in range(1, n - 1):
16
res = max(res, l[i - 1] + r[i + 1])
17
18
return res
Copied!
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
1
#
2
# @lc app=leetcode.cn id=1186 lang=python3
3
#
4
# [1186] 删除一次得到子数组最大和
5
#
6
7
# @lc code=start
8
9
10
class Solution:
11
def maximumSum(self, arr: List[int]) -> int:
12
# DP
13
max0 = arr[0]
14
max1 = arr[0]
15
res = arr[0]
16
n = len(arr)
17
if n == 1:
18
return max0
19
20
for i in range(1, n):
21
# 先更新max1，再更新max0，因为max1用到了上一个max0
22
max1 = max(max1 + arr[i], max0)
23
max0 = max(max0 + arr[i], arr[i])
24
res = max(res, max0, max1)
25
return res
Copied!
复杂度分析
- 时间复杂度：$O(N)$
- 空间复杂度：$O(1)$
关键点解析
- 空间换时间
- 头尾双数组
- 动态规划
相关题目
大家对此有何看法，欢迎给我留言，我有时间都会一一查看回答。更多算法套路可以访问我的 LeetCode 题解仓库：https://github.com/azl397985856/leetcode 。 目前已经 37K star 啦。 大家也可以关注我的公众号《力扣加加》带你啃下算法这块硬骨头。 
最近更新 1yr ago