题目描述(重要)
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)。给一个数组,返回它的最大连续子序列的和,你会不会被他忽悠住?(子向量的长度至少是1)
解题思路:
本题考察动态规划,DP问题要掌握!!!
解题代码:
1.暴力解法 时间复杂度O(n^2)
class Solution {
public:
int FindGreatestSumOfSubArray(vector<int> array) {
//暴力解
int Length=array.size();
if(Length==0)
return 0;
if(Length==1)
return array[0];
int Max=array[0];
for(int i=0;i<Length;i++)
{
int sum=0; //初始化为最小值
for(int j=i;j<Length;j++)
{
sum+=array[j];
Max=max(Max,sum);
}
}
return Max;
}
};
2.动态规划法
如果用函数 f(i)表示以第i个数字结尾的子数组的最大和,那么我们需要求出max(f(i)) ,其中0<=i<n.我们可以用如下的递归公式求f(i):
class Solution {
public:
int FindGreatestSumOfSubArray(vector<int> array) {
//动态规划
if(array.empty())
return 0;
int sum=array[0],tempsum=array[0];
for(int i=1; i<array.size();i++)
{
tempsum=(tempsum<0) ? array[i] : tempsum+array[i];
sum=(tempsum>sum) ? tempsum : sum;
}
return sum;
}
};