神奇的演算法 - Subarray Sum

7 minute read Posted on: 2023-02-19 Updated on: 2025-10-10 Views: Loading...

Subarray

Definition

subarray 為一個 array 的連續子集合
subarray 不可為空，subarray sum 則為這個子陣列的和

Properties

subarray 有一個特性，給定長度為 n 的 array
subarray 的總數為 1 + 2 + 3 + ... + n
舉例來說

假設 array = 1234

subarray 會是
1234, 234, 34, 4 (index 3, value 4)
123, 23, 3       (index 2, value 3)
12, 2            (index 1, value 2)
1                (index 0, value 1)

可以看到數量是 1 + 2 + 3 + 4 = 10
這個特性剛好對到 array 的 index
也就是說，當我在 index 3(value 4) 的時候，我可以知道前面總共有 1 + 2 + 3 + 4 = 10 個 subarray
針對 index 3(value 4) 自己來說，他有 index + 1(也就是 4) 個 subarray

LeetCode 560. Subarray Sum Equals K

Brute Force Approach

最直觀的作法當然是每個 subarray 都檢查一遍，確認該 subarray 的總和是否為 k 即可
pseudo code 為以下

for i from 0 to length(array)
    for j from i + 1 to length(array)
        if sum(array[i] to array[j]) equals k
            answer += 1

這樣的作法是使用 2 層 for-loop 下去針對每一個可能的 subarray 進行檢查
雖然非常的直覺，但他的時間複雜度可以看到是屬於 $O(n^2)$
對於非常大的陣列來說，它很容易就會 TLE(Time Limit Exceeded)
所以很明顯的，這個作法有待改進

Cumulative Table

上圖為身高的累進圖表，可以看到分別紀錄了各個身高所對應的 累進比例
比方說，從 140 cm 到 160 cm 的人數佔了所有人的 62.5 %

Cumulative Sum of Array

同樣的概念可以套用到 array 上面
假設有一個 array [5, 4, -1, 7, 8]
那麼他的 cumulative sum of array 就會是

index	0	1	2	3	4
array	5	4	-1	7	8
cumulative	5	9	8	15	23

累進的規則是

cumulative[0] = array[0]
cumulative[1] = array[0] + array[1]
cumulative[2] = array[0] + array[1] + array[2]
cumulative[3] = array[0] + array[1] + array[2] + array[3]

依此類推

How to Get Subarray Sum from Cumulative Sum Array

假設我要找的 subarray sum 是 8
以肉眼觀察可以找到 2 組解答，分別為 [5, 4, -1] 以及 [8]
那要怎麼利用 cumulative sum array 來快速的找到呢？

根據上述的簡單累進推導規則，我們可以簡單的發現以下規則

array[1]                       = cumulative[1] - cumulative[0]
array[1] + array[2]            = cumulative[2] - cumulative[0]
array[1] + array[2] + array[3] = cumulative[3] - cumulative[0]

也就是說，要取得 array[i] ~ array[j] 的總和
$array[i] + array[i + 1] + … + array[j] = cumulative[j] - cumulative[i - 1]$

回到原本的例子

index	0	1	2	3	4
array	5	4	-1	7	8
cumulative	5	9	8	15	23

[5, 4, -1] 的 sum 用 cumulative 寫出來就會是 cumulative[2] - cumulative[-1]

我的習慣會是建立 cumulative sum array 的時候在前面多塞一個數值為 0 的(上面的 cumulative[-1] 就會等於 0)

How Cumulative Sum Array Helps Speedup?

看到這你不難發現，使用 cumulative sum array 可以取得 任意區間 的 subarray sum(透過兩個 cumulative 的數值相減即可得到區間和)
亦即只要把 cumulative sum array 建立起來，你就不需要用 2 層 for-loop 暴力的窮舉出所有可能了

Cumulative Sum Approach

index	-1	0	1	2	3	4
array	0	5	4	-1	7	8
cumulative	0	5	9	8	15	23

你可能會想，即使建立完 cumulative sum array，我不還是得用 2 層 for-loop 慢慢看區間和是否等於 k 嗎？
其實我們可以一邊建立一邊檢查區間和是否等於 k

前面提到，要取得 array[i] + ... + array[j] 可以使用 cumulative[j] - cumulative[i - 1] 取得
題目的要求是，區間和要等於 k
透過簡單的算式

因為
array[i] + ... + array[j] = k
array[i] + ... + array[j] = cumulative[j] - cumulative[i - 1]
所以
cumulative[j] - cumulative[i - 1] = k

可以得知，目標為 cumulative[j] - cumulative[i - 1] = k, where i < j

假設你建立 cumulative sum array 到一半，它應該會長成這樣

index	-1	0	1	2	x	x
array	0	5	4	-1	x	x
cumulative	0	5	9	8	x	x

有了這個半完成的 cumulative sum array
你有辦法算出所有區間內的和，包含 [0], [1], [2], [0,1], [0,1,2], [1,2] 每個的區間和

既然我們的目標是區間和要等於 k
把目標稍微改寫能得到 cumulative[j] - k = cumulative[i - 1]
k 已經有了，題目給的
在建立 cumulative[j] 的時候，cumulative[i - 1] 已經有了(因為 i < j)
所以！我只要往前看，找看看有沒有誰的區間和等於 cumulative[j] - k 就可以了！

依照現在這個例子，cumulative sum array 建立到 index 2
我的目標 k 是 8，我只要找有 哪個先前 cumulative 的數值等於 cumulative[2] - k(也就是 8 - 8)，就代表該區間的和等於 k
為了使得尋找 cumulative[2] - k 有沒有存在於先前的區間和裡面，使用 hashmap 加速是一個可靠的選擇

講了那麼多，直接上 code

func subarraySum(nums []int, k int) int {
    prefixSum := make([]int, 0)
    prefixMap := make(map[int]int, 0)
    prefixMap[0] = 1
    previousPrefixSum := 0
    answer := 0

    for i, num := range nums {
        prefixSum = append(prefixSum, previousPrefixSum + num)
        if _, exists := prefixMap[prefixSum[i] - k]; exists {
            answer += prefixMap[prefixSum[i] - k]
        }
        previousPrefixSum = prefixSum[i]

        value, exists := prefixMap[prefixSum[i]]
        if !exists {
            prefixMap[prefixSum[i]] = 1
        } else {
            prefixMap[prefixSum[i]] = value + 1
        }
    }

    return answer
}

Why do we Need to Store Occurrence of cumulative[i] in Map

前面提到，為了加速尋找 cumulative[j] - k 能夠跑得更快，因此實作當中使用了 map 的結構
但是為什麼要紀錄 cumulative[j] - k 出現了幾次呢？
只要紀錄他有出現過不就好了嗎？

再看另一個例子

index	-1	0	1	2	3	4	5	6	7	8
array	0	3	4	7	2	-3	1	4	2	1
cumulative	0	3	7	14	16	13	14	18	20	21

你可以看到 cumulative 陣列裡面出現了 2 次 14
假設你的條件剛好是 cumulative[j] - k = 14
如果你沒有紀錄出現的次數，在之後的答案當中你會少算了 1 次(以這個例子來說)

Do we Need to Consider -k Situation

我在嘗試理解這個算法的時候，一個問題油然而生
我到底需不需要考慮 -k 的情況？

還記得我們運算的陣列是 累進(累加) 的嗎？
意思就是說，如果考慮到 -k 的情況，你對回去原本的陣列看，他的 subarray sum 也會是 -k
所以只需要考慮 k 的情況就好了

LeetCode 53. Maximum Subarray

subarray 是由一個以上的連續元素所組成的，而 subarray sum 就是所有區間數值加總起來
要找到 maximum subarray sum 最直覺的方法就是窮舉出所有區間組合
但是這樣太複雜了，我們可以試著簡化問題

看一個實際例子比較快
如果之前的區間最大和(0 ~ n-1)是 10

num[n] = 2, 因為 10 + 2 > 10, 所以目前 maximum subarray sum 就是 10 + 2(num[0 ~ n])
num[n] = -1, 因為 10 + (-1) < 10，所以目前 maximum subarray sum 就是 10 + (-1)(num[0 ~ n])
num[n] = 20, 因為 20 > 10, 所以目前 maximum subarray sum 就是 20(num[n])

注意第二點，為什麼最大區間和不是 10 而是 9?
因為我們要考慮 “連續的情況”
如果你把它寫成 10, 那麼最大區間和中間就會有空格，就不符合 subarray 的定義了

我們可以把上述的情況匯總成以下規則

如果 num[n] 小於 num[0 ~ n], 那 maximum subarray sum 就是 num[0 ~ n]
如果 num[n] 大於 num[0 ~ n], 那 maximum subarray sum 就是 num[n]

所以目前最大區間和，取決於 之前的最大區間和
這就是動態規劃(dynamic programming)
因為要我算出最大區間和實在是太困難了，當我知道之前的最大區間和(n-1)，在加上目前的數字，我可以很輕易的判斷現在的區間最大和為多少(n)

可參考神奇的演算法 - 動態規劃 Dynamic Programming | Shawn Hsu

所以實作就很簡單了

func maxSubArray(nums []int) int {
    size := len(nums)
    dp := make([]int, size)
    maxSubSum := nums[0]
    dp[0] = nums[0]


    for i := 1; i < size; i++ {
        dp[i] = max(nums[i], nums[i] + dp[i - 1])
        maxSubSum = max(maxSubSum, dp[i])
    }

    return maxSubSum
}

func max(a, b int) int {
    if a > b {
        return a
    }
    return b
}

另一種寫法一樣是使用累進的概念
定義一個 cumulative array
它負責的就是紀錄累進數字

區間和的寫法可以寫成 cumulative[j] - cumulative[i - 1]
所以換句話說，當前累進 - 最小的累進就是最大的區間和
只不過你還要跟 nums[i] 比較，因為有可能 nums[i] 比之前的區間和還大

func maxSubArray(nums []int) int {
    size := len(nums)
    cumulative := make([]int, size + 1)
    cumulative[0] = 0

    result := nums[0]
    cumulativeMin := cumulative[0]
    for i := 1; i <= size; i++ {
        cumulative[i] = cumulative[i - 1] + nums[i - 1]
        result = max(nums[i - 1], max(result, cumulative[i] - cumulativeMin))
        cumulativeMin = min(cumulativeMin, cumulative[i])
    }

    return result
}

func min(a, b int) int {
    if a < b {
        return a
    }
    return b
}

func max(a, b int) int {
    if a > b {
        return a
    }
    return b
}

LeetCode 3147. Taking Maximum Energy From the Mystic Dungeon

另一種變形是這題，給定一個 array 以及一個間距 k
你可以從任一 index 開始，每次都走 K 步直到最後，要求求出你能夠拿到的最大值

你可能會想這跟 LeetCode 53. Maximum Subarray 很像
但差別在於本題是沒辦法 pick/skip 的
所以針對 [-8,10,-10] 以及 K = 1 這個 test case 來說答案會是 0 而不是 10
因為你不能略過任何一個數值
所以 Kadane’s Algorithm 並不適用於本題

但也還好對吧？就是稍微暴力的寫法而已
計算從每個 index 開始，走 K 步的最大值
不過效率有點低而且會重複計算到
所以其實可以從最後面往前算

func maximumEnergy(energy []int, k int) int {
	n := len(energy)
	ans := -1 << 31

	for i := n - k; i < n; i++ {
		sum := 0
		for j := i; j >= 0; j -= k {
			sum += energy[j]
			ans = max(ans, sum)
		}
	}
	return ans
}

原本是從 0 算到 n - k
因為你只能移動 K 步，所以最多只有到 n - k
那反過來就是從 n - k 算到 n

inner loop 其實滿有意思的
為什麼每一次計算都可以拿來更新答案？
他是往前算得對吧，你要 i 把它當成是終點
所以每一次的計算其實都是完整的區間(起點可以任意，但終點都是沒辦法走下去的那個點，而它是由 i 決定的)
所以全部遍歷之後就可以得到最大值了

References

C++| Full explained every step w/ Dry run | O(n^2) -> O(n) | Two approaches

Share on

Twitter Facebook LinkedIn

Shawn Hsu