Question
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)。
关键词:数组 最大和 动态规划
Solution
暴力循环
最直接、最差的方法是两个循环,遍历所有可能的组合。
时间复杂度:O(N^2)
空间复杂度:O(1)
- Python
class Solution:
def FindGreatestSumOfSubArray(self, array):
ans = max(array)
for i in range(len(array)):
cur = array[i]
ans = max(cur, ans)
j = i+1
while j<len(array):
cur += array[j]
j += 1
ans = max(cur, ans)
return ans
- C++
class Solution {
public:
int FindGreatestSumOfSubArray(vector<int> array) {
if(array.empty())
return NULL;
int maxx = array[0];
for(int i=0; i<array.size(); i++){
int cur = array[i];
maxx = maxx>cur? maxx:cur;
for(int j = i+1; j<array.size(); j++){
cur = cur + array[j];
maxx = maxx>cur? maxx:cur;
}
}
return maxx;
}
};
逆向动态规划
首先考虑尝试动态规划,从最后一个数字(nums[-1])开始,状态为已该数字为首的最大连续子序列的和是多少,那么前一个(nums[-2])的状态会是max(nums[-2], nums[-2] + state[-1]),同时更新最大值,以此类推。
时间复杂度:O(N)
空间复杂度:O(1)
- Python
class Solution:
def FindGreatestSumOfSubArray(self, array):
if not array:
return array
state = array
maxx = array[-1]
for i in range(2, len(array)+1):
state[-i] = max(array[-i], array[-i] + state[-i+1])
maxx = max(maxx, state[-i])
return maxx
- C++
class Solution {
public:
int FindGreatestSumOfSubArray(vector<int> array) {
if(array.empty())
return NULL;
int maxx = array.back();
vector<int> state = array;
for(int i=array.size()-2; i>=0; i--){
state[i] = array[i]>state[i+1]+array[i]? array[i]:state[i+1]+array[i];
maxx = maxx>state[i]? maxx:state[i];
}
return maxx;
}
};