剑指offer 连续子数组的最大和

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)。你会不会被他忽悠住？(子向量的长度至少是1)

思路：方法一 算法时间复杂度为O(n)，用maxSum记录累计值，maxSum记录和最大 基于思想：对于一个数A，若是A的左边累计数非负，那么加上A能使得值不小于A，认为累计值对整体和是有贡献 的。如果 前几项累计值负数，则认为有害于总和，total记录当前值。此时，若和大于maxSum，则用maxSum记录 下来。

public class Solution {
    public int FindGreatestSumOfSubArray(int[] array) {
        if(array.length==0)
            return 0;
        else{
            int total=array[0],maxSum=array[0];
            for(int i=1;i<array.length;i++){
                if(total>=0)
                    total+=array[i];
                else
                    total=array[i];
                if(total>maxSum)
                    maxSum=total;
            }
            return maxSum;
        }
    }
}

方法二：动态规划

最主要是找到状态转移方程， 设f(j)是从s[0]到s[j]最大和 ， f(j) = max(s[j], f[j-1]+s[j])

public class Solution {
    public int FindGreatestSumOfSubArray(int[] array) {
    	 if(array.length == 0)
            return 0;
        int result = -12345;
        int sum = 0;
        for(int i = 0; i < array.length; ++i)
        {
            sum = Math.max(array[i], sum + array[i]);
            result = Math.max(result, sum);
        }
        return result;
    }
}