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)
思路
一开始被题目描述忽悠了,认为子数组一定要从第0个开始,那不是很简单吗?把从0开始,把第一个,第二个。。都加起来,然后看看这些和哪个最大就好了,时间复杂度是O(n)。。可是并不是这样的,子数组的初始位置不一定在原数组开头,末尾也不一定在原数组的末尾,形象地说就是原数组中的任意连续一段。
所以有那么几种方法,第一种是很粗暴的方法,也就是从遍历第0个元素开始的子数组,分别求出它们的最大和,然后再从这些最大和里面挑出最大的
第二种方法,设定初始最大值和累加值,遍历数组元素,如果累加值小于0,则把累加值设为当前遍历的元素
解答
方法一、简单粗暴,时间复杂度为O(n平方)
classSolution:defFindGreatestSumOfSubArray(self, array):
targets=[]for i inrange(len(array)):
num=0
numList=[]for j inrange(i,len(array)):
num+=array[j]
numList.append(num)
maxNum=max(numList)
targets.append(maxNum)return max(targets)
方法二、线性判断,时间复杂度为O(n)
classSolution:defFindGreatestSumOfSubArray(self, array):
max_sum=array[0]
pre_sum=0for i inarray:if pre_sum <0:
pre_sum=ielse:
pre_sum+=iif pre_sum >max_sum:
max_sum=pre_sumreturnmax_sum