题目描述
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)
思路1:举例分析数组规律
class Solution {
public:
int FindGreatestSumOfSubArray(vector<int> array) {
if (array.size() <= 0)
return {};
int subSum = INT_MIN; //当前时刻子数组的值
int GreatestSum = INT_MIN; //存放子数组的最大和
for (int i = 0; i < array.size(); i++) {
if (subSum <= 0)
subSum = array[i];
else
subSum += array[i];
if (subSum > GreatestSum)
GreatestSum = subSum;
}
return GreatestSum;
}
};
思路2:对于求子串/子数组的最优解问题,优先考虑动态规划
class Solution {
public:
int FindGreatestSumOfSubArray(vector<int> array) {
if (array.size() == 0) return {};
vector<int> dp(array.size(), 0);
dp[0] = array[0];
int Max=array[0];
for (int i = 1; i < array.size(); i++) {
dp[i] = dp[i - 1] + array[i];
if (dp[i] <= 0) {
i++;
dp[i] = array[i]; //从下一条指令开始执行
}
int tmp = max(dp[i], dp[i-1]+array[i]);
Max = max(Max, tmp);
}
return Max;
}
};
也可以写成:
class Solution {
public:
int FindGreatestSumOfSubArray(vector<int> array) {
if (array.size() == 0) return {};
int Max=array[0]; //返回最大子树和
int tmp=array[0];
for (int i = 1; i < array.size(); i++) {
tmp = max(array[i], tmp+array[i]); //确定从当前值开始求和,还是累加前面数值
Max = max(Max, tmp);
}
return Max;
}
};