连续子数组的最大和
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)。你会不会被他忽悠住?(子向量的长度至少是1)
解题思路
方法一:动态规划
F(i)= max(F(i-1)+ array[i] , array[i])
res:所有子数组的和的最大值
res = max(res,F(i))
如数组[6, -3, -2, 7, -15, 1, 2, 2]
初始状态:
F(0)= 6
res = 6
i = 1:
F(1)= max(F(0)-3,-3)= max(6-3,3)= 3
res = max(F(1),res)= max(3,6)= 6
i = 2:
F(2)= max(F(1)-2,-2)=max(3-2,-2)= 1
res = max(F(2),res)= max(1,6)= 6
i=3:
F(3)= max(F(2)+7,7)=max(1+7,7)= 8
res=max(F(2),res)= max(8,6)= 8
i=4:
F(4)= max(F(3)-15,-15)= max(8-15,-15)= -7
res = max(F(4),res)= max(-7,8)= 8
以此类推
最终res的值为8
class Solution {
public:
int FindGreatestSumOfSubArray(vector<int> array) {
if(array.size() == 0)
return 0;
int res = array[0]; //记录当前所有子数组的和的最大值
int curSum = array[0]; //包含array[i]的连续数组最大值
for(int i = 1;i<array.size();i++){
curSum = max(curSum + array[i],array[i]);
res = max(curSum,res);
}
return res;
}
};
方法二:贪心策略
遍历数组,到当此位置,上次保留的最大值如果为负数就要刷新一次,即curSum<=0时,当即果断丢弃,因为只会越加越小,刷新为当前值;如果为正数,继续累加。
class Solution {
public:
int FindGreatestSumOfSubArray(vector<int> array) {
if(array.size() == 0)
return 0;
int res = 0x80000000; //从开始位置到当前位置,存下的最大值。
int curSum = 0; //从某个位置开始到当前位置为止,保留的最大值。
for(int i=0;i<array.size();i++){
if(curSum <= 0) //到当前位置为止,如果curSum为负数,无论是array[i]为正负,
// 加上当前元素后,curSum都会比array[i]小,所以不如将curSum设为array[i]
curSum = array[i];
else
curSum +=array[i]; //如果array[i]为正,curSum会变大,下一步将被保存greatSum中,
// 但如果array[i]为负,上一次循环greatSum已经保存了,所以尽可放心;
if(curSum > res)
res = curSum;
}
return res;
}
};