题目描述
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
动态规划
F(i):以array[i]为末尾元素的子数组的和的最大值,子数组的元素的相对位置不变
F(i)=max(F(i-1)+array[i] , array[i])
那么array[i]之前元素的的子数组和的最大值,一定等于maxsum = max(F(i),maxsum)
代码
# -*- coding:utf-8 -*-
class Solution:
def FindGreatestSumOfSubArray(self, array):
# write code here
n = len(array)
array = [i for i in array]
maxsum = None
for i in range(1,n):
array[i] = max(array[i-1]+array[i],array[i])
maxsum = max(array[i],maxsum)
# array[i]更新成以array[i]为末尾元素的最大子数组和,
# 但是array[i]之前的元素的最大子数组和可能不以array[i]为末尾元素。
# 因此,设置一个maxsum用来记录array[i]之前元素的最大子数组和,并不断更新
return maxsum