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);