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)。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)

剑指offer上的题目描述：

输入一个整形数组，数组里有整数也有负数。数组中的一个或连续多个整数组成一个子数组。求所有子数组的和的最大值。要求时间复杂度为O(n)。

例如，输入的数组为{1，-2，3，10，-4，7，2，-5}，和最大的子数组为{3，10，-4，7，2}，因此输出为该数组的和18。

一般看到这道题，能想到的最直观的方法枚举数组的所有子数组并求出它们的和。一个长度为n的数组，总共有n(n+1)/2个子数组。计算出所有子数组的和，最快也需要O(n^2)的时间。通常最直观的方法不会是最优的解法，应该还有更快的算法。

解法一：举例分析数组的规律

从头到尾逐个累加数组中的每个数字，初始化和为0；（nCurrSum=0，nGreatestNum=int.MinValue）

定义两个变量：“累加子数组和”和“最大子数组和”，第一步把数组中的第一个数字赋值给他们，然后从第二个数字开始累加，累加值放入“累加子数组和”。

1.如果当前“累加子数组和”小于0，那抛弃前面的“累加子数组和”，从下一个数字开始重新累加，“最大子数组和”的值不更新。

2.如果当前“累加子数组和”大于0，再让当前“累加子数组和”和当前的“最大子数组和”进行比较。

           2.1如果当前“累加子数组和”大于当前“最大子数组和”，则更新“最大子数组和”的值为“累加子数组和”的值。

           2.2如果当前“累加子数组和”小于当前“最大子数组和”，“最大子数组和”的值不更新。

3.再加入数组中的下一个值，“累加子数组和”进入下一轮的累加，“最大子数组和”也进入下一轮的更新。知道数组中所有值都累加完毕。

这样进行一次累加的遍历之后，就可以得到最终的最大累加和，时间复杂度是O(n)。下图展示了数组{1，-2，3，10，-4，7，2，-5}求连续子数组的最大和的过程：

把过程分析清楚之后，我们就可以动手写代码了。

方法一利用循环求连续子数组的最大和的Java代码如下：

public class Solution {

    public static void main(String[] args) {
        int[] array = {1,-2,3,10,-4,7,2,-5};
        Long begintime = System.nanoTime();
        int result =  FindGreatestSumOfSubArray(array);
        Long endtime = System.nanoTime();
        System.out.println("连续子数组的最大和为："+result+",运行时间："+(endtime - begintime) + "ns");

    }

    public static int FindGreatestSumOfSubArray(int[] array) {
           int len = array.length;
           if (len == 0){
            return 0;
           }
           int currentsum = array[0];
           int greatsetsum = array[0];
           System.out.println("第1步：累加子数组和："+currentsum+"，最大子数组和："+greatsetsum);
           for(int i=1;i<array.length;i++){
                if(currentsum > 0){
                    currentsum += array[i];
                }else{
                    currentsum = array[i];
                }
                if(currentsum > greatsetsum){
                    greatsetsum  = currentsum;
                }
               System.out.println("第"+(i+1)+"步：累加子数组和："+currentsum+"，最大子数组和："+greatsetsum);
           }
           return greatsetsum;
    }

}

程序运行结果：

从运行结果可以看到，和上面分析的结果是一样的。

解法二：应用动态规划法 

除了上面的解法，我们还可以用动态规划的思想来分析这个问题。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。我们可以用如下递归公式求f(i)：

f(i) = pData[i]                        i = 0或者f(i-1) <= 0

f(i) = f(i-1) + pData[i]           i 不等于 0并且f(i-1) > 0

这个公式的意义：当以第I-1个数字结尾的子数组中所有数字的和小于0时，如果把这个负数与第i个数累加，则得到的结果比第i个数字本身还要小，所以这种情况下以第I个数字结尾的子数组就是第I个数字本身。如果以第I-1个数字结尾的子数组中所有数字的和大于0，则与第i个数字累加就得到以第i个数字结尾的子数组中所有数字的和。

虽然通常我们用递归的方式分析动态规划的问题，但最终都会基于循环去编码。上述公式对应的代码与前面给出的代码类似。递归公式中的f(i)对应的变量是“累加子数组和”currentsum，而max[f(i)]就是“最大子数组和”greatsetsum。因此，可以说这两种思路是异曲同工的。

方法二利用动态规划求连续子数组的最大和的Java代码如下：

public class Solution {

    public static void main(String[] args) {
        int[] array = {1,-2,3,10,-4,7,2,-5};
        Long begintime = System.nanoTime();
        int result =  FindGreatestSumOfSubArray(array);
        Long endtime = System.nanoTime();
        System.out.println("连续子数组的最大和为："+result+",运行时间："+(endtime - begintime) + "ns");

    }

    public static int FindGreatestSumOfSubArray(int[] array) {
           int len = array.length;
           if (len == 0){
            return 0;
           }
           int[] currentsum = new int[len];
           currentsum[0] = array[0];
           int greatsetsum = array[0];
           System.out.println("第1步：累加子数组和："+currentsum[0]+"，最大子数组和："+greatsetsum);
           for(int i=1;i<array.length;i++){
                //下面是动态规划的状态转移方程
                if(currentsum[i-1]>0){
                    currentsum[i] = currentsum[i-1] + array[i];
                }else{
                    currentsum[i] = array[i];
                }
                //根据currentsum的值更新greatsetsum的值
                if(currentsum[i] > greatsetsum){
                    greatsetsum  = currentsum[i];
                }
               System.out.println("第"+(i+1)+"步：累加子数组和："+currentsum[i]+"，最大子数组和："+greatsetsum);
           }
           return greatsetsum;
    }

}

程序运行结果：

可以看到该程序的运行结果和上面的是一样的。

使用动态规划方法求解连续子数组的最大和的时间复杂度也是O(n)。