package Sword69;
// 连续子数组的最大和
// 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)
// 求最优值 一般为动态规划 有两种方案:自顶向下(递归+动态规划)、自底向上(迭代+动态规划)
// 步骤:
// 1. 确定base (最简单的情况)
// 2. 排除无效选择
// 3. 确定选择(当前选择对后续的影响)
// 4. 确定状态转移方程()
// 5. 使用备忘录消除重叠子问题
//
//
import java.util.Arrays;
public class Code026
{
public static void main(String[] args)
{
System.out.println(solution001(new int[]{1,-2,3}, 0));
System.out.println(solution001(new int[]{6,-3,-2,7,-15,1,2,2,100}, 0));
System.out.println(solution002(new int[]{1,-2,3}));
System.out.println(solution002(new int[]{6,-3,-2,7,-15,1,2,2,100}));
}
// 递归
static int[] dp = new int[1000];
private static int solution001(int[] arr,int index) {
if(index == arr.length-1) {
dp[index] = arr[index];
return arr[index];
}
dp[index] = max(arr[index], arr[index]+solution001(arr, index+1));
return dp[index];
}
// 迭代
private static int solution002(int[] arr){
int[] dp = new int[arr.length];
dp[arr.length -1]= arr[arr.length -1];
for(int i=arr.length -2 ;i>=0;i--) {
dp[i]= max(dp[i+1]+arr[i], arr[i]);
}
System.out.println(Arrays.toString(dp));
return 0;
}
private static int max(int a, int b) {
return a>b ? a:b;
}
}