1.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
)
2.我的题解
从下标1
开始由左向右遍历数组:
- 初始化
sum=array[0],res=array[0]
; - 将当前数值累加到
sum
,并在sum
和res
中选大的赋值给res
;如果sum
为负,重置为0
;
class Solution {
public:
int FindGreatestSumOfSubArray(vector<int> array) {
int sum=array[0],res=array[0];
for(int i=1;i<array.size();i++){
sum+=array[i];
res=res>sum?res:sum;
if(sum<0)sum=0;
}
return res;
}
};
3.别人的题解
3.1 动态规划
是初级的动态规划问题,设dp[n]表示到位置n为止的最大连续子数组和,则:
dp[0]=array[0]
;- 如果
dp[n-1]<0:dp[n]=array[n]
; - 如果
dp[n-1]>=0,dp[n]=dp[n-1]+array[n]
; dp[len-1]
就是要求的结果;
//在原数组上存储dp结果
class Solution {
public:
int FindGreatestSumOfSubArray(vector<int> array) {
int res=array[0];
for(int i=1;i<array.size();i++){
array[i]+=array[i-1]>0?array[i-1]:0;
res=res>array[i]?res:array[i];
}
return res;
}
};
//使用一个额外的值存储暂时的结果
class Solution {
public:
int FindGreatestSumOfSubArray(vector<int> array) {
int res=array[0],cur=array[0];
for(int i=1;i<array.size();i++){
cur = array[i]+(cur>0?cur:0);
res=res>cur?res:cur;
}
return res;
}
};
4.总结与反思
(1)连续子数组的和,初级动态规划。
该问题实质上可以这样理解:
- 初始化暂时结果,最终结果;
- 从左到右累加至暂时结果;如果暂时结果更大,赋值给最终结果。如果暂时结果小于
0
,暂时结果归0
; - 暂时结果从左到右累加,假如遇到负数,暂时结果会变小,但是呢不知道后面有没有更大的正数可以弥补这个负数,所以暂时结果还要继续累加,最终结果先保存着最大值,“等着”暂时结果以期它变得更大;等到什么时候呢,不能无限等吧?等到暂时结果小于
0
为止!因为继续累加下去,最终结果肯定会比重新开始累加更小。这就相当于把原数组分成了一段一段的,分段计算最后取最大值。 - 就像打
LOL
一样,你的朋友问你:小老弟,你今天的KDA
最高能到多少啊?你开始打了游戏,从0-0-0
的战绩开始打,这一局中KDA
会不断变化,你会记录一个当前的最大值,然后随着时间的推移,不断等着这一局有更好地表现、更高的KDA
(不断计算新的暂时KDA
,并与已记录的最大值比较)。一局结束了,KDA
不会变化了,你会重置KDA
数值,进行新的一局,直到一天结束。这里一天对应体重整个数组,一局对应上述的一段。虽然计算最高的KDA
毫无意义……仅是举例而已,可能也不太恰当。