本题是《剑指offer》的题目,原题目为:
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)
分析:
拿到该题最初的想法是从现有的例子中找出一些规律,比如针对{6,-3,-2,7,-15,1,2,2},找出连续的最大子序列的和(maxSum)。
第一步加上6,maxSum = 6,
然后再加上-3,maxSum = 3;
再继续加上-2,maxSum = 1;
再加上7,maxSum = 8;
继续往后加-15,maxSum = -7;
然后继续加上1,maxSum = -6
可以发现,累加上[6,-3,-2,7]得到的maxSum比累加上 [6,-3,-2,7,-15,1]的maxSum还要大,因此我们可以不考虑后面的-15、1,因为一直累加负值,会导致和越来越小;所以说如果一旦累加和变成了负值,则需要单独处理。
遍历整个过程,可以发现,其实在实际的计算中,很早就已经计算出了当前最大子序列的和,但是如果不计算到最后,根本无法确定该值时最终最大子数组的和。可以想办法记住当前最大子序列的和的值,与后年的值作比较,看看是否会比当前的值更大的,如果有则覆盖,否则该值则为最终的最大子序列的和。
通过以上的分析,可以知道需要定义两个值,currentSum(当前最大子序列的和),maxSum(最终数组的子序列和)。
通过以上分析,我们可以写下如下代码:
public int FindGreatestSumOfSubArray(int[] array) {
if (array.length==0 || array==null) {
return 0;
}
int currentSum = Integer.MIN_VALUE;
int maxSum = Integer.MIN_VALUE;
for (int i = 0; i < array.length; i++) {
//判断当前最大子序列和是否大于0,如果不大0,则继续累加无意义,直接设置为当前值
if (currentSum <= 0) {
currentSum = array[i];
}else {
//当array[i]为正数时,加上之前的最大值并更新最大值。
currentSum += array[i];
}
// 最后需要不断的更新最后
if (currentSum > maxSum) {
maxSum = currentSum;
}
}
return maxSum;
}
2. 动态规划
通过上面的分析,可以知道,其实对于计算到每一个值,都可以得到一个当前子序列的和,关于该值怎么来的需要需要区分计算:
比如上面分析的前一个子序列的和是否大于0。
动态规划最基本是寻找当前的值和下一个值的关系,并且利用空间保存当前及历史的状态。
- 利用一个数组保存以当前值结尾的子序列和。
int[ ] currentSum = new int [ ]
- 寻找递推关系。
上述公式含义如下:
如果前一个值结尾的连续子序列和小于0,则以当前数作为连续子序列和;
如果前一个值结尾的连续子序列和大于0,则将前一个子序列和+当前值。
可以写下如下代码:
public int FindGreatestSumOfSubArray(int[] array) {
if(array == null && array.length <= 0){
return 0;
}
int len = array.length;
int[] result = new int[len];
result[0] = array[0];
// 利用for循环寻找以每个值结果的连续子序列的和
for(int i = 1; i < len;i++){
if(result[i-1] <= 0){
result[i] = array[i];
}else{
result[i] = result[i - 1] + array[i];
}
}
// 找出状态数组中的所有子序列的和最大值
int max = Integer.MIN_VALUE;
for(int i = 0; i < len; i++){
if(result[i] >= max){
max = result[i];
}
}
return max;
}
上述代码是写的第一版的代码,利用一个数组将每个状态都存储起来,但是结合第一种方法,其实没有必要保存每一个,只需要保存当前最大的子序列和及最终最大子序列的和。
和第一版本的动态规划思想是一样的,但是合并了最开始存储每个数据,最终集中比较的过程。
public int FindGreatestSumOfSubArray(int[] array) {
if(array == null && array.length <= 0){
return 0;
}
int currentSum = array[0];
int maxSum = array[0];
for(int i = 1; i < array.length;i++){
currentSum = Math.max(array[i], array[i] + currentSum);
maxSum = Math.max(currentSum,maxSum);
}
return maxSum;
}
思考
- 对于处理最大值之类的,可以从实例数据出发,从少量数据中抽象出规律。
- 动态规划的思想主要两点、状态、递推公式。