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)
- 小白思路:
通过两个循环遍历寻找最大连续子序列和,时间复杂度为O(n2)
#!/usr/bin/env python
# _*_ coding:utf-8 _*_
class Solution:
def FindGreatestSumOfSubArray(self, array):
# write code here
lens = len(array)
if lens == 1:
return array[0]
max_num = array[0]
for i in range(lens):
temp = array[i]
if temp > max_num:
max_num=temp
for j in range(i+1,lens):
temp += array[j]
if temp > max_num:
max_num = temp
return max_num
if __name__ == "__main__":
s = Solution()
print(s.FindGreatestSumOfSubArray([-2,-8,-1,-5,-9]))
- 使用动态规划,时间复杂度为 O(n),空间复杂度为O(1)
dp[n]代表以当前元素为截止点的连续子序列的最大和,
如果dp[n-1]>0,dp[n]=dp[n]+dp[n-1],因为当前数字加上一个正数一定会变大;
如果dp[n-1]<0,dp[n]不变,因为当前数字加上一个负数一定会变小。使用一个变量max记录最大的dp值返回即可。
#if i != 0 and dp[i-1] > 0
dp[i] = dp[i-1] + p[i]
#if i == 0 or dp[i-1] < 0
dp[i] = p[i]
#!/usr/bin/env python
# _*_ coding:utf-8 _*_
class Solution:
def FindGreatestSumOfSubArray(self, array):
# write code here
lens = len(array)
if lens == 1:
return array[0]
max_num = array[0]
for i in range(1,lens):
if array[i-1] > 0:
array[i] = array[i-1] + array[i]
max_num = max(array[i],max_num)
return max_num
if __name__ == "__main__":
s = Solution()
print(s.FindGreatestSumOfSubArray([2,8,-1,-5,9]))