【刷题日记】连续子数组的最大和 & 数组的最长递增子序列

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：

1. 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
2. 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
3. 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
4. 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：$O(n^2)$
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 ] &gt; a r r a y [ k ] , f o r   a n y   k &lt; = i ) } LIS[i+1]=max\{1,LIS[k]+1( array[i+1]&gt;array[k],for \ any\ k&lt;=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：$O(n^2)$
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