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)
思路:
数据结构课程入门问题。
有几种复杂度不同的解法。比如暴力求解。。。
这里写一下最简单的"在线法"。类似于一种流处理过程。随着“读取”数组元素的增加,在线更新子数组最大和
处理方式为:
- 设置一个累加和元素初始化为0 ,设置一个最大和子数组值
- 如果累加和<0,则将累加和更新为0,因为小于0的累加和一定会使后面的子数组和变小,否则累加一个数组元素
- 累加和与当前最大和相比,如果累加和大,则将最大和更新为累加和
- 返回最大和
class Solution:
def FindGreatestSumOfSubArray(self, array):
# 输入合法性检查
if not array:
return None
# 输入合法:子数组最大和的初始值为array[0]
cur_max = array[0]
cur = 0 # 累加初始值
for i in array:
if cur<0:
cur = i
else:
cur+=i
if cur>cur_max:
cur_max = cur
return cur_max
题目2:数组的最长递增子序列长度
写一个时间复杂度尽可能低的程序,求一个一维数组(N个元素)中最长递增子序列的长度。
例如序列:1,-1,2,-3,4,-5,6,-7中,最长递增子序列长度为4.(ex:1,2,4,6 / -1,2,4,6)
解法一:
O
(
n
2
)
O(n^2)
O(n2)
基础动态规划
问题规模:1~N
问题规模每增加1时,判断新增的数组元素是否可以增加到前面最长递增序列的末尾:新增元素大于前面的所有元素即可加到末尾,
于此同时,当前元素至少可以构成一个长度为1的子序列。
所以,递推公式如下:
L
I
S
[
i
+
1
]
=
m
a
x
{
1
,
L
I
S
[
k
]
+
1
(
a
r
r
a
y
[
i
+
1
]
>
a
r
r
a
y
[
k
]
,
f
o
r
a
n
y
k
<
=
i
)
}
LIS[i+1]=max\{1,LIS[k]+1( array[i+1]>array[k],for \ any\ k<=i)\}
LIS[i+1]=max{1,LIS[k]+1(array[i+1]>array[k],for any k<=i)}
def longLIS(array):
if not array:
return 0
# O(N)
LIS = [1 for i in range(len(array))]
# O(n^2)
for i in range(1,len(array): # 问题规模
for j in range(i): # 检查当前元素能否加入前面规模子序列末尾
# 如果当前元素大于检查子序列,且子序列加当前元素的长度会比当前规模默认值大,则更新长度
if array[i]>array[j] and LIS[j]+1 > LIS[i]:
LIS[i] = LIS[j]+1
return max(LIS) # 返回最大值
解法2:
O
(
n
2
)
O(n^2)
O(n2)
记住前面规模最长子序列最大值
def longLIS(array):
if not array:
return 0
maxValue = [array[0] for i in range(len(array+1)
maxValue[0]= min(array)-1
LIS = [1 for i in range(len(array)]
max_length = 1
for i in range(1,len(array)):
for j in range(max_length,-1):
if array[i] > maxValue[j]:
LIS[i] = j+1
break;
if LIS[i] >max_length:
max_length = LIS[i]
maxValue[LIS[i]] = array[i]
elif maxValue[j]<array[i] and array[i]<maxValue[j+1]:
maxValue[j+1] = array[i]
return max_length