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)
思路:sum初试为0,遍历的时候对元素求sum,若sum小于0,则sum重新置为0,然后筛选最大的sum即为max的值。
需要注意的地方时:当列表中的元素全为负数时 需要返回最大的那个负数的值
C++
class Solution {
public:
int FindGreatestSumOfSubArray(vector<int> array)
{
int sum = 0, max = 0;
for(int i=0; i<array.size(); )
{
while(sum>=0 && i<array.size())
{
sum += array[i];
if(sum>max)
max = sum;
++i;
}
sum = 0;
}
if(max==0) // 如果数组中全是负数,则返回最大的那个负数值
{
max = array[0];
for(int i=1; i<array.size(); ++i)
if(array[i]>max)
max = array[i];
}
return max;
}
};
Python
# -*- coding:utf-8 -*-
class Solution:
def FindGreatestSumOfSubArray(self, array):
# write code here
sum_data, max_data = 0, 0
i = 0
while i < len(array):
while sum_data >= 0 and i < len(array):
sum_data += array[i]
max_data = max(max_data, sum_data)
i += 1
sum_data = 0
while max_data == 0: # 全为负数
return max(array)
return max_data