剑指offer：Python 连续子数组的最大和

题目描述

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(子向量的长度至少是1)

思路及Python实现

动态规划

• 通常的思维来做：假设从数组头部的一个元素，往后相加，先记录一下第一个元素和第二元素相加的位置，如果加上第二元素，发现比从第二元素开始向后加（第二个元素加上第三个元素）大，就说明，还不如从第一个开始加，那么就一直从第一个数开始往后加，如：给出的数组{6,-3,-2,7,-15,1,2,2}，从6开始一直加到7都为正数，这比从 -3，-2，开始往后加的得到的和大；我们加到7（因为如果从7开始往后加是等于-8，所以还是从头开始加好），此时{6,-3,-2,7}和为8，如果继续往后加，加上15，即是{6,-3,-2,7,-15}就等于-7，此时的和比{6,-3,-2,7}小，所以保存之前相加的值！

class Solution:
    def FindGreatestSumOfSubArray(self, array):
        max_sum = None
        temp_sum = 0
        for i in array:
            if max_sum is None:
                max_sum = i
            if temp_sum + i < i:
                temp_sum = i
            else:
                temp_sum += i
            if max_sum < temp_sum:
                max_sum = temp_sum
        return max_sum

动态规划解法

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)

class Solution:
    def FindGreatestSumOfSubArray(self, array):
        n = len(array)
        array = [i for i in array]
        max_sum = None
        for i in range(1, n):
            array[i] = max(array[i - 1] + array[i], array[i])
            max_sum = max(array[i], max_sum)
        # 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max_sum用来记录array[i]之前元素的最大子数组和，并不断更新
        return max_sum