剑指Offer面试题42：连续子数组的最大和

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;
    }
};