最大连续子序列之和问题

2019独角兽企业重金招聘Python工程师标准>>>

/**
 * 最大连续子序列之和问题求解
 * 
 * 描述：
 * 给定k个整数的序列{N1,N2,...,Nk }，其任意连续子序列可表示为{ Ni, Ni+1, ..., Nj }，其中 1 <= i <= j <= k。
 * 最大连续子序列是所有连续子序中元素和最大的一个
 * 
 * 举例：
 * 例如给定序列{ -2, 11, -4, 13, -5, -2 }，其最大连续子序列为{11,-4,13}，最大连续子序列和即为20。
 * 
 * @author k8ge
 * 
 */
public class Solution_MaxSubSeq {

    public static void main(String[] args) {
        int a[] = {
            -2, 11, -4, 13, -5, -2
        };
        System.out.println(new Solution_MaxSubSeq().maxSubSeq1(a));
        System.out.println(new Solution_MaxSubSeq().maxSubSeq2(a));
        System.out.println(new Solution_MaxSubSeq().maxSubSeq3(a));
    }
    
    /**
     * 穷举计算
     * 时间：O(n^3)
     * 空间：O(1)
     */
    public int maxSubSeq1(int[] array) {
        int max = Integer.MIN_VALUE;
        int length = array.length;
        for (int i = 0; i < length; i++) {
            for (int j = i; j < length; j++) {
                int sum = 0;
                for (int k = i; k <= j; k++) {
                    sum += array[k];
                }
                max = Math.max(sum, max);
            }
        }
        return max;
    }
    
    /**
     * 条件：具有最优子结构：即下一个阶段的求解是建立在上一个阶段的解的基础之上
     * 定义：f[j] 表示以array[j]结尾的子序列最大和
     * 那么：f[j] 要么是以array[j]结尾，要么是从array[j]重新开始
     * 公式：f[j] = Max(f[j-1] + array[j], arra[j])
     * 时间：O(n)
     * 空间：O(n)
     */
    public int maxSubSeq2(int[] array) {
        int[] f = new int[array.length];
        f[0] = array[0];
        for (int i = 1; i < array.length; i++) {
            f[i] = Math.max(f[i-1] + array[i], array[i]);
        }
        int max = f[0];
        for (int i : f) {
            max = Math.max(max, i);
        }
        return max;
    }
    
    /**
     * 动态规划再优化
     * f[]数组的计算，只依赖前一个解，空间可以省掉
     * 时间：O(n)
     * 空间：O(1)
     */
    public int maxSubSeq3(int[] array) {
        int max = array[0];
        int tmp = array[0];
        for (int i = 1; i < array.length; i++) {
            tmp = Math.max(tmp + array[i], array[i]);
            max = Math.max(tmp, max);
        }
        return max;
    }
}

转载于:https://my.oschina.net/serverx/blog/851725