连续子数组的最大和

题目

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)

暴力剪枝

public class Solution {
    public int FindGreatestSumOfSubArray(int[] array) {
        int sum=0;
        int max=Integer.MIN_VALUE;
        int low=0;
        while(low<array.length){
            sum=0;
            for(int j=low;j<array.length;j++){
                //和小于零就可以不用操作了，直接剪枝抛弃
                sum+=array[j];
                max=Math.max(max,sum);
                if(sum<=0){
                    //跳到j后，
                   low=j;
                    break;
                }
            }
            low++;
        }
        return max;
    }
}

动态规划

链接

典型的动态规划。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。

public class Solution {
    public int FindGreatestSumOfSubArray(int[] array) {
        //动态规划,dp存储前i个对应的一些段落的最大值，在与max比较获取最大进行存储
        int max=Integer.MIN_VALUE;
        for(int i=1;i<array.length;i++){
            array[i]+=array[i-1]>0? array[i-1]:0;
            max=Math.max(max,array[i]);
        }
        return max;
    }
}