待字闺中之相差甚远面试题分析

题目来源，待字闺中，原创@陈利人 ，欢迎大家继续关注微信公众账号“待字闺中”

原题

给定一个数组，我们可以找到两个不相交的、并且是连续的子数组A和B，A中的数字和为sum(A), B中的元素和为sum(B)。找到这样的A和B，满足sum(A) - sum(B)的绝对值是最大的。 例如：[2, -1 -2, 1, -4, 2, 8]划分为A=[-1, -2, 1, -4], B=[2, 8]， 最大的值为16

分析

如果没有比较丰富的经验，这个题目咋一看，有一种不明觉厉的感觉。但只要逐层分析，就可以看到，其实只要分析两层就可以了。首先我们来看看题目有哪些要点（明确题意，有不清楚的，一定要澄清。）：

1. 子数组是不相交的

2. 子数组是连续的，这个有点多余，但还是强调一下得好

然后题目的要求是，差的绝对值最大。那我们自然而然能够想到：找到的两个不相交的子数组，一个值要很小，一个值要很大。这样才能够保证差的绝对值最大。那如何找到这样的数组呢？我们从不相交的这个条件入手。看题目中例子（从简单的例子出发，发现解决方案，是面试中常用技巧。切记！）：

0    1    2    3    4    5    6
2    -1    -2    1    4    2    8

看上面的表格，如果两个子数组不想交，我们有六个位置，作为划分的备选，0和1之间、1和2之间、2和3之间，...，直到5和6之间。这六个位置，都可以将数组划分为两部分。我们设定，数组长度为n，i将数据划分为两部分分别为 [0,i-1]和[i,n-1]。都是两边包含的集合。i是从1到n-1的。

对于任意的i，我们得到了两部分[0, i-1]和[i, n-1]。接下来，就是在这两部分中，找到一个和最小的子数组A，以及和最大的子数组B。那么A-B的绝对值，就是i这个划分下，满足条件的两个数组的差的最大值。对于，所有的i而言，这个绝对值最大时的A和B就是我们要找到的。

思路通顺了，接下来要确定，找到在i处划分，和最大以及和最小的子数组的方法。这里，就要使用到，我们前几天分享的动态规划的思想。那篇文章，大家好好阅读分析了么。相信一定能够给大家带来很多的启发。回到这个题目，我们单独的考虑，给定一个数组，求和最大的子数组以及和最小的子数组。

先分析和最大的子数组，这个问题，是比较经典的问题了，但是我们这里要处理的是，求得每一个i左侧的最大连续子数组。作如下分析，假设数组为X, 假设max_until[i]表示，以i位置结尾的连续子数组的最大和。max_until[i]和max_until[i-1]是什么关系呢？

1. 如果X[i] + max_until[i - 1] > max_until[i - 1] and X[i] + max_until[i- 1] > X[i]。那么X[i]应该加入到连续子数组中，max_until[i] = max_until[i-1] + X[i].

2. 否则max_until[i] = X[i]，连续子数组只有一个元素。

但是，我们要的并不是以i结尾的子数组，尽管给的例子中是这样的，我们要的是i之前的所有连续子数组中，和最大的。并不一定包括i。要如何处理呢？我们再开辟子数组max_left[i]表示[0,i]中连续子数组的最大值。那这个值要如何求得呢？我们在遍历数组，求得max_until[i]的时候，max_left[i]只需要在max_until[i]和此前保存的最大值里取最大的即可。也就是一次遍历，就可以完全求得max_until数组和max_left数组。同理可以求得min_until以及min_left数组。

这是处理的划分的左半部分。那么右半部分呢？右半部分的思路也是一样的，只不过，我们在遍历数组的时候，需要从右向左进行遍历。方法的整体空间复杂度为O(n),时间复杂度也是O(n)。具体代码如下：

void subArrFromLeft(vector<int>& data,vector<int>& maxVec,vector<int>& minVec)
{
	int i,length = data.size();
	if(length == 0)return;
	vector<int> dpMax(length);
	vector<int> dpMin(length);
	dpMax[0] = dpMin[0] = maxVec[0] = minVec[0] = data[0];//初始化
	for(i=1;i<length;i++)
	{
		dpMax[i] = max(dpMax[i-1]+data[i],data[i]);
		maxVec[i] = max(maxVec[i-1],dpMax[i]);
		dpMin[i] = min(dpMin[i-1]+data[i],data[i]);
		minVec[i] = min(minVec[i-1],dpMin[i]);
	}
}
void subArrFromRight(vector<int>& data,vector<int>& maxVec,vector<int>& minVec)
{
	int i,length = data.size();
	if(length == 0)return;
	vector<int> dpMax(length);
	vector<int> dpMin(length);
	dpMax[length-1] = dpMin[length-1] = maxVec[length-1] = minVec[length-1] = data[length-1];
	for(i=length-2;i>=0;i--)
	{
		dpMax[i] = max(dpMax[i+1]+data[i],data[i]);
		maxVec[i] = max(maxVec[i+1],dpMax[i]);
		dpMin[i] = min(dpMin[i+1]+data[i],data[i]);
		minVec[i] = min(minVec[i+1],dpMin[i]);
	}
}
int farMost(vector<int>& data)//程序入口
{
	int length = data.size();
	vector<int> max_left(length);
	vector<int> min_left(length);
	vector<int> max_right(length);
	vector<int> min_right(length);
	subArrFromLeft(data,max_left,min_left);//从左到右遍历
	subArrFromRight(data,max_right,min_right);//从右到左遍历
	int i,res = 0;
	for(i=1;i<length;i++)//遍历每一个分割位置
	{
		int tmp = abs(max_left[i-1]-min_right[i]);
		if(tmp > res ) res = tmp;
		tmp = abs(min_left[i-1]-max_right[i]);
		if(tmp > res ) res = tmp;
	}
	return res;
}