[剑指Offer]连续子数组的最大和[Python]

题目描述：HZ偶尔会拿些专业问题来忽悠那些非计算机专业的同学。今天测试组开完会后,他又发话了:在古老的一维模式识别中,常常需要计算连续子向量的最大和,当向量全为正数的时候,问题很好解决。但是,如果向量中包含负数,是否应该包含某个负数,并期望旁边的正数会弥补它呢？例如:{6,-3,-2,7,-15,1,2,2},连续子向量的最大和为8(从第0个开始,到第3个为止)。你会不会被他忽悠住？(子向量的长度至少是1)

思路：把所有子序列的和都算粗来，找最大值，但是复杂度是O(n^2)

代码：

class Solution:
    def FindGreatestSumOfSubArray(self, array):
        allsum = []
        if array:
            for i in range(len(array)):
                for j in range(i,len(array)):
                    cur_list = array[i:j+1]
                    allsum.append(sum(cur_list))
            return max(allsum)
        else:

              return []

牛客上有人给了复杂度为O(n)的做法，动态规划：

链接：https://www.nowcoder.com/questionTerminal/459bd355da1549fa8a49e350bf3df484

来源：牛客网

该题目思路:

dp[i]表示以元素array[i]结尾的最大连续子数组和.

以[-2,-3,4,-1,-2,1,5,-3]为例

可以发现,

dp[0] = -2

dp[1] = -3

dp[2] = 4

dp[3] = 3

以此类推,会发现

dp[i] = max{dp[i-1]+array[i],array[i]}.

class Solution:
    def FindGreatestSumOfSubArray(self, array):
        n = len(array)
        dp = [ i for i in array]
        for i in range(1,n):
            dp[i] = max(dp[i-1]+array[i],array[i])
        return max(dp)

厉害了，自己想的时候只考虑到以一个元素开头的子数组都有哪些，其实考虑以它结尾的更有规律可寻，自己对动态规划还是不了解呀（用了今年的流行色，紫色～～～）