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;
}