牛客网 剑指Offer编程题------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)。给一个数组，返回它的最大连续子序列的和，你会不会被他忽悠住？(子向量的长度至少是1)

题目链接

题目求连续的子数组最大和，第一个想到的是dfs，但全排列的话对于一个长度为n的数组，子串就有n(n+1)/2个子数组，所以最快也要O(n^2) 

然后自己想了一个方法：

既然要求最大值，那么首个数字一定得是正的，因为如果是负数的话就没必要加进子数组里了，这样我们就可以划分出m个（m为数组中正数的个数）子数组，然后我们统计每个子数组出现的最大值，这样就可以得到最大的子数组和。

但这样还是需要O(n*m)的时间复杂度（m为正数个数，全是正数的话就是O(n^2)），还是给一下代码吧。。。

public int FindGreatestSumOfSubArray(int[] array) {

        if (array == null || array.length == 0) return -1;

        int index = 0;
        int[] countArr = new int[array.length];
        //记录每个子数组的最大值
        int[] maxArr = new int[array.length];
        for (int i = 0; i < array.length; i++) {
            //更新每个子数组和
            for (int j = 0; j < index; j++) {
                countArr[j] += array[i];
                if (countArr[j] > maxArr[j]) {
                    //更新最大值
                    maxArr[j] = countArr[j];
                }
            }
            if (array[i] > 0) {
                //遍历到整数，就以其为开头形成新的子数组和
                countArr[index] = array[i];
                index++;
            }
        }

        //遍历countArr找到最大的子数组
        int max = -1;
        for (int i = 0; i < index; i++) {
            if (maxArr[i] > 0 && maxArr[i] > max) {
                max = maxArr[i];
            }
        }

        return max;
    }

很明显这不是我们想要的，这里面我们分出了那么多条子序列来记各自的最大值根本没有必要。

时间复杂度为O(n)的解决方法：

我们只需要记录前面累加的值，如果遍历到下一个正数了，就看累加值是否大于0，大于0则表示有正收益，则继续往后累加；若是小于0了则从该点重新往后累加。

参考代码：

public int FindGreatestSumOfSubArray(int[] array) {

        if (array == null || array.length == 0) return -1;

        int max = Integer.MIN_VALUE;
        int count = 0;
        for (int i = 0; i < array.length; i++) {
            //当前的累加值，大于0继续加，小于0则重新开始加
            if (count >= 0) {
                count += array[i];
            } else {
                count = array[i];
            }

            //记录过程中的最大值
            if (count > max) {
                max = count;
            }
        }

        return max;
    }

动态规划方法：

根据和上面的累加思路，易得动态规划的递归公式：

f(i) = array[i]  (i == 0 或 f(i - 1) <= 0)

f(i) = array[i] + f(i - 1) (i != 0 且 f(i - 1) > 0)

 参考代码：

public int FindGreatestSumOfSubArray(int[] array) {

        if (array == null || array.length == 0) return -1;

        int[] dp = new int[array.length];
        int max = Integer.MIN_VALUE;
        for (int i = 0; i < array.length; i++) {
            if (i == 0 || dp[i - 1] <= 0) {
                //第一个数or如果前面的累加值小于0，从头开始累加
                dp[i] = array[i];
            } else {
                //进行累加
                dp[i] = array[i] + dp[i - 1];
            }

            if (dp[i] > max) {
                max = dp[i];
            }
        }

        return max;
    }