动态规划解最大子序和

问题描述

给 定 一 个 整 数 数 组 num ，  找 到 一 个 具 有 最 大 和 的 连 续 子 数 组  （子 数 组 最 少 包 含 一 个 元 素）   ，  返 回 其 最 大 和 。

示例：

输 入 :  [ - 2 , 1 , - 3 , 4 , - 1 , 2 , 1 , - 5 , 4 ]

输 出:  6

解 释:  连 续 子 数 组 [4 , - 1 , 2 , 1 ] 的 和 最 大，为 6

动态规划解决

 动 态 规 划 的 几 个 步 骤

1，  确 定 状 态

2，  找 到 转 移 公 式

3，  确 定 初 始 条 件 以 及 边 界 条 件

4，  计 算 结 果 。

1、 

定 义 d p [ i ] 表 示 数 组 中 前 i+ 1  （注 意 这 里 的 i 是 从 0 开 始 的）  个 元 素 构 成 的 连 续 子 数 组 的 最 大 和 。

2、 

如 果 要 计 算 前 i +1 个 元 素 构 成 的 连 续 子 数 组 的 最 大 和，  也 就 是 计 算 d p [ i ]，  只 需 要 判 断 d p [ i - 1 ] 是 大 于 0 还 是 小 于 0 。   如 果 d p [ i - 1 ] 大 于 0，   就 继 续 累 加，   d p [ i ] = d p [ i - 1 ] + n u m [ i ] 。  如 果 d p [ i - 1 ] 小 于 0，  我 们 直 接 把 前 面 的 舍 弃，  也 就 是 说 重 新 开 始 计 算，  否 则 会 越 加 越 小 的，  直 接 让 d p [ i ] = n u m [ i ] 。  所 以 转 移 公 式 如 下

d p [ i ] = n u m [ i ] + m a x ( d p [ i - 1 ] , 0 ) ;

3、边 界 条 件 判 断，   当 i 等 于 0 的 时 候，  也 就 是 前 1 个 元 素，  他 能 构 成 的 最 大 和 也 就 是 他 自 己，  所 以

d p [0 ] = n u m [0 ] ;

有了转 移 公 式，  代 码 就 简 单 多 了

代码

public class Array {
    public static int maxSubArray(int[] num){
        int length = num.length;
        //边界条件
        int cur = num[0];
        int max = cur;
        for(int i = 1;i<length;i++){
            //转移公式
            cur = Math.max(cur,0)+num[i];
            //记录最大值
            max = Math.max(max,cur);
        }
        return max;
    }
    public static void main(String[] args){
        int[] array = {- 2 , 1 , - 3 , 4 , - 1 , 2 , 1 , - 5 , 4};
        int max = maxSubArray(array);
        System.out.println(max);
    }
}

总结

动 态 规 划 最 重 要 的 3 步 就 是 先 确 定 状 态，   最 关 键 的 是 找 出 转 移 公 式，   最 后 再 确 定 边 界 条 件，   防 止 数 组 越 界 等 问 题