剑指offer第三十题连续子数组的最大和

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)。你会不会被他忽悠住？(子向量的长度至少是1)

题目分析

拿到题目的时候发现题目又臭又长，其实就是一句话包含负数的连续子数组的最大和。其实这才是比较完整的题目。也是很经典的题目。解法有很多，下面就复杂度从高到低实现。

方法一：暴力法，事情额外的空间，存储最大的子数组和，保持循环一遍数组。时间复杂度O(n^2)，额外空间复杂度O(n)。

class Solution {
public:
    int FindGreatestSumOfSubArray(vector<int> array) {
        vector<int> sum(array);
        int ret = 0;
        for (int i = 1; i < (int)array.size(); sum[i] = sum[i - 1] + array[i], ++i);
        for (int len = 1; len <= (int)array.size(); ++len)
            for (int i = 0; i + len - 1 < (int)array.size(); ++i)
                ret = max(ret, sum[i + len - 1] - (i ? sum[i - 1] : 0));
        return ret;
    }
};

方法二：古话说的哈，O(n^2)都可以写成O(nlogn)

class Solution {
public:
    int FindGreatestSumOfSubArray(vector<int> array) {
        vector<int> sum_l(array), sum_r(array);
        for (int i = 1; i < (int)array.size(); sum_l[i] = max(array[i], sum_l[i - 1] + array[i]), i++);
        for (int i = (int)array.size() - 2; i >= 0; sum_r[i] = max(array[i], sum_r[i + 1] + array[i]), i--);
        return dfs(array, 0, array.size(), sum_l, sum_r);
    }

    int dfs(vector<int> &array, int l, int r, vector<int> &sum_l, vector<int> &sum_r)
    {
        if (r - l == 1)
            return array[l];
        int mid = (r + l) / 2, ll = dfs(array, l, mid, sum_l, sum_r), rr = dfs(array, mid, r, sum_l, sum_r);
        int left = -0x3f3f3f3f, right = left, sum = 0, i;
        return max(max(ll, rr), sum_l[mid - 1] + sum_r[mid]);
    }
};

方法三：左神的方法 遍历一遍就好了，O(n)

//直通BAT第二季   左神讲过
class Solution {
public:
    int FindGreatestSumOfSubArray(vector<int> array) {
    if(array.size()<=0)
        return 0;
        int cur,res;
        cur=array[0];       //当前子向量和
        res=cur;            //存储最大的子向量和
        for(int i=1;i<array.size();i++)
            {
            if(cur<0)
                cur=0;
            cur=cur+array[i];
            if(cur>res)
                res=cur;
        }
        return res;
    }
};

方法四：动态规划O(n)

class Solution {
public:
    int FindGreatestSumOfSubArray(vector<int> array) {
        vector<int> sum_l(array);
        int ret = -0x3f3f3f3f;
        for (int i = 1; i < (int)array.size(); sum_l[i] = max(array[i], sum_l[i - 1] + array[i]), i++);
        for (int i = 0; i < (int)sum_l.size(); ret = max(ret, sum_l[i++]));
        return ret;
    }
};

方法五：如果前面的连续和小于0，那么对后面的连续和会有反作用，一定会使连续和变小，故要砍掉。可是实现动态规划思想的但是不用动态规划的思想O(1)

class Solution {
public:
    int FindGreatestSumOfSubArray(vector<int> array) {
        int ret = array[0];
        for (int sum = 0, i = 0; i < (int)array.size(); ++i)
            ret = max(ret, sum = (sum > 0 ? sum + array[i] : array[i]));
        return ret;
    }
};