数据结构-剑指offer-连续子数组的最大和

题目：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：首先是对题目的理解：连续子数组并不是必须以array[0]，只要是数组的子序列就可以。讨论区有人做出的答案是17，不等于正确答案18的原因，就是因为在编程的时候，只考虑了子序列从array[0]开始的情况。

①以最简单的数组array={1，2, 3}为例，可以这样的方式对所有子序列进行考虑计算：len = array.size() = 3,第一轮从第一个元素开始(i=0,j=0,1,2)  {1}{1,2,3}{1,2,3}，第二轮从第二个元素开始(i=1,j=1,2)  {2}{2,3}，第三轮从第三个元素开始(i=2,j=2)  {3}，这样就考虑到了所有的情况。但这种思路的时间复杂度很高O(n^2)，并不是一个好方法，在牛客运行时会出现错误：运行错误:请检查是否存在数组、列表等越界非法访问，内存非法访问等情况。

代码①：

class Solution {
public:
    int FindGreatestSumOfSubArray(vector<int> array) {
        int len = array.size();
        int max_num = array[0];
        vector<int> sum;
        for(int i=0;i<len;i++){
            for(int j=i;j<len;j++){
                sum[i] +=array[j];
                if(sum[i]>max_num)
                    max_num = sum[i];
            }
        }
        return max_num;
    }
};

②对于一个数A，若A的左边累计数非负，那么加上A能使得值不小于A，认为累计值对整体和死有贡献的。如果前几项累积值负数，则认为有害于总和。这个思路的复杂度之后O(n)，这一方法其实是基于只考虑从数组第一位数组元素开始的子序列的代码的基础上进行改进的。看讨论区才知道这就是动态规划。。。动态规划要看一下了。

       动态规划：通过把原问题分解成相对简单的子问题的方式求解复杂问题的方法。动态规划常适用于有重叠子问题和最优子结构性质的问题。基本思想：如果要解一个给定问题，我们需要解其不同部分(即子问题)，再合并子问题的解以得出原问题的解。通常许多子问题非常相似，为此动态规划法师徒仅仅解决每个子问题一次，从而减少计算量：一旦某个给定子问题的解已经算出，则将其记忆存储，以便下次需要同一个子问题解时直接查表。（动态规划的主要思想就是保存中间结果）

       动态规划个分治：共同点：二者都要求原问题具有最优子结构性质，都是将原问题分而治之，分解成若干规模较小的子问题，然后将子问题的解合并，形成原问题的解。不同点：分治法将分解后的子问题看成相互独立的，通过递归来做，动态规划将分解后的子问题理解为相互间有联系，有重叠部分，需要记忆，通常用迭代来做。

       典型问题：0-1背包问题、最长公共子序列（不连续）、最长公共子串（连续）、KMP（硬币找零问题）、类似硬币的问题找平方个数最小、最长回文字串、最长递增序列等。

代码（只考虑从数组第一位数组元素开始的子序列）：

class Solution {
public:
    int FindGreatestSumOfSubArray(vector<int> array) {
        int len = array.size();
        int sum = array[0];
        int maxsum = array[0];
        for(int i=0;i<len;i++){
            sum +=array[i];
            if(sum>maxsum)
                maxsum = sum;
        }
        return maxsum;
    }
};

本题正确的代码：

class Solution {
public:
    int FindGreatestSumOfSubArray(vector<int> array) {
        int len = array.size();
        int sum = array[0];
        int maxsum = array[0];
        for(int i=1;i<len;i++){
            if(sum >= 0)
                sum +=array[i];
            else
                sum = array[i];
            if(sum>maxsum)
                maxsum = sum;
        }
        return maxsum;
    }
};