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;
}
}