剑指OFFER-连续子数组的最大和

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;
    }
};