阅读目录
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