剑指offer31题：连续子数组的最大和

题目
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)

• 暴力解法

1、通过两个for循环把所有子数组和都存储起来，然后排序，取出最大值；
2、时间复杂度O(n^2)；
3、空间复杂度也是O(n^2)级别。

import java.util.List;
import java.util.ArrayList;
import java.util.Collections;
public class Solution {
     public int FindGreatestSumOfSubArray(int[] array) {
         List<Integer> list = new ArrayList<>();
         for(int i = 0; i < array.length; i ++){
             int sum = 0;
             for(int j = i; j < array.length; j ++){
                 sum += array[j];
                 list.add(sum);
             }
         }
        if(list.size() <=0){
            return 0;
        } 
        Collections.sort(list);
        return list.get(list.size()-1);
     }
 }

• 动态规划

1、状态方程 ： max( dp[ i ] ) = Max( max( dp[ i -1 ] ) + arr[ i ] ,arr[ i ] )
2、方程的意思是到第i个数为止，连续的最大和要么为 max( dp[ i -1 ] ) + arr[ i ] ，要么为 arr[ i ] ，取较大的那个即可。
3、我们只需要从头开始遍历，时间复杂度为 O(n)。

public class Solution {
     public int FindGreatestSumOfSubArray(int[] array) {
         
         int currSum = array[0];
         int maxSum = currSum;
         for(int i = 1; i < array.length; i ++){
             currSum = Math.max(currSum + array[i], array[i]);
             maxSum = Math.max(currSum, maxSum);
         }
         return maxSum;
     }
 }

我看有些解法是这样的：

public class Solution {
     public int FindGreatestSumOfSubArray(int[] array) {
         
         int currSum = array[0];
         int maxSum = currSum;
         for(int i = 1; i < array.length; i ++){
             
             if(currSum < 0){
                currSum = array[i];
             }else{
                 currSum += array[i];
             }
             
             maxSum = Math.max(currSum, maxSum);
         }
         return maxSum;
     }
 }

1、这个想法是每次累加求和时候都判断一下当前和是否为负数，如果为负数，加上之后就越来越小了，所以直接把前面计算的和舍弃掉，把当前循环的array[i]当作累加的起始值。如果不是负数，就可以直接累加。
2、其实思想和动态规划一样的，就是动态规划里面的这一句currSum = Math.max(currSum + array[i], array[i]);，如果currSum是负数，currSum + array[i]肯定小于array[i]。
3、时间复杂度一样也是O(n);