终于到动态规划了,动态规划是聪明地暴力计算。
动态规划题目,一般是求最值。
其核心是建表和查表,自顶向下模式一般使用 递归+备忘录(备忘录就是表),自底向上一般是 动态维护一张表,或者数组。
我觉得最难的是建表,就是定义,这张表代表什么! 一般来说数组的维度代表问题条件的参数,这张表可能是一维数组、二维数组、甚至三维数组。我们需要理解问题,找到能够使用数学归纳法的公式,即状态转移方程,来迭代计算。
关于空间压缩:由于很多的时候我们在迭代计算时并不需要表的数据,只需要前若干项数据即可,所以就可以进一步压缩空间吗,通过变量替换数组。
那么,如果要提升动态规划解题能力,就需要了解其核心思路,并多练习。
1.题目
输入一个长度为n的整型数组array,数组中的一个或连续多个整数组成一个子数组,子数组最小长度为1。求所有子数组的和的最大值。
注意:-100 <= a[i] <= 100
1.1 要求完成
public class Solution {
public int FindGreatestSumOfSubArray(int[] array) {
}
}
2.解法
首先我们要区分子数组和子序列的区别:子数组要求元素必须是连续的,比如原数组1,2,3,4,5 那么 子数组可以是其中任意连续的一部分。但是比如1,3,5就是子序列了,而不是子数组。
2.1 解法1
构建一个一维数组int [] dp = new int[array.length]
。
dp[i] 表示 以array[i]结尾的连续子数组的最大和。
如下图,如果能够构建dp,那么答案就是dp数组中的最大值,它就是答案。
构建一个元素,先从dp[0]开始,dp[0]一定是array[0]。
从下一个元素开始,就会挑剔,看dp[i-1]是不是负值,如果是负值,就不考虑,否则就加上前一个dp[i-1]。
最后就查找整个dp数组的最值。
public int FindGreatestSumOfSubArray(int[] array) {
if (array == null || array.length == 0) return 0;
int[] dp = new int[array.length];
dp[0] = array[0];
for (int i = 1; i < array.length; i++) {
if (dp[i - 1] < 0)
dp[i] = array[i];
else
dp[i] = dp[i - 1] + array[i];
}
int max = Integer.MIN_VALUE;
for (int a : dp) {
if (a > max) max = a;
}
return max;
}
2.2 解法2
分析解法1,max元素无需两次遍历,在第一次遍历时就可以获取。
因此,我们只要能够正常往前迭代即可,因此可以节约dp数组的空间使用,通过cur元素代表dp[i]。
public int FindGreatestSumOfSubArray(int[] array) {
int max = Integer.MIN_VALUE;
int cur = 0;
for(int i=0;i<array.length;i++){
cur +=array[i];
max = Math.max(cur,max);
if(cur<0) cur=0;
}
return max;
}
总结
dp[i] 表示 以array[i]结尾的连续子数组的最大和。这是核心。
算法系列在github上有一个开源项目,主要是本系列博客的demo代码。https://github.com/forestnlp/alg
如果您对软件开发、机器学习、深度学习有兴趣请关注本博客,将持续推出Java、软件架构、深度学习相关专栏。
您的支持是对我最大的鼓励。