【在线编程】连续子数组的最大和
【问题描述】
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)
【解题思路 & Java实现】
动态规划:首先,动态规划的出发点是,对于“最大子序列之和”这个结果,假设这个最大子序列是 XXXX。XXXX的最后一个数字有可能为数组中的任意一个元素。假设XXXX的最后一个元素为 array[i],那么如何求 XXXarray[i]呢?答案是使用动态规划:dp[i] 表示以 array[i]为最后一个元素的最大子序列之和,那么 dp[i] = max {array[i]+dp[i-1], array[i]} ,这个状态方程的理解是,dp[i-1]有可能小于0,那么它对于array[i]来说是“成事不足,败事有余”,不如选择 array[i],但如果 dp[i-1]不小于0,那么它对于array[i]来说是“如虎添翼”。
public class Solution {
public int FindGreatestSumOfSubArray(int[] array) {
if(array == null || array.length == 0) {
return 0;
}
int dp = array[0]; //记录每个 i 的最大子序列之和
int result = array[0]; // 记录到底是哪个 i 获胜
for(int i=1; i<array.length; i++) {
dp = Math.max(array[i]+dp, array[i]);
if(dp > result) {
result = dp;
}
}
return result;
}
}