【数组】【动态规划】剑指Offer: 连续子数组的最大和

【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; 
        
    }
}