剑指Offer——连续子数组的最大和

/**
* @author Tom Qian
* @email tomqianmaple@outlook.com
* @github https://github.com/bluemapleman
* @date 2017年8月22日
*/
//要求：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)

/*
思路：

来自这里——动态规划思路求解

Kadane算法又被称为扫描法，为动态规划（dynamic programming）的一个典型应用。我们用DP来解决最大子数组和问题：对于数组a，用$c_i$标记子数组a[0..i]的最大和，那么则有

$c_i$=max {$a_i,c_{i−1}+a_i$}

子数组最大和即为$max\ c_i$。Kadane算法比上面DP更进一步，不需要用一个数组来记录中间子数组和。通过观察容易得到：若$c_{i−1}≤0$，则$c_i=a_i$。用e表示以当前为结束的子数组的最大和，以替代数组c；那么

e=max{$a_i,e+a_i$}

由此，我们可以回答题目要求中的问题：

根据动态规划的思想，若前面的最大连续子数组为负了，那么完全不需要考虑用下一个数来弥补它，因为前面的子数组加上新的元素只会比新的元素更小，那么新的元素自身就构成一个最大连续子数组。动态规划的巧妙之处在这里体现的淋漓尽致！

**/

public class 连续子数组的最大和
{
    public int FindGreatestSumOfSubArray(int[] array) {
        if(array.length==0) return 0;
        int sum = array[0], tempsum = array[0]; //注意初始值 不能设为0 防止只有负数
        for(int i = 1; i < array.length; i++) //从1开始 因为0的情况在初始化时完成了
        {
            tempsum = (tempsum < 0) ? array[i] : tempsum + array[i];
            sum = (tempsum > sum) ? tempsum : sum;
        }
        return sum;
    }

}