Dimple在左耳听风ARTS打卡（十二）

最新推荐文章于 2019-11-21 08:42:22 发布

程序员小跃

最新推荐文章于 2019-11-21 08:42:22 发布

阅读量167

点赞数

分类专栏： ARTS打卡

本文链接：https://blog.csdn.net/xuyue995277/article/details/91920001

版权

ARTS打卡专栏收录该内容

25 篇文章 0 订阅

订阅专栏

所谓ARTS：每周至少做一个LeetCode的算法题；阅读并点评至少一篇英文技术文章；学习至少一个技术技巧；分享一篇有观点和思考的技术文章。（也就是Algorithm、Review、Tip、Share 简称ARTS）这是第十二期打卡。

今天早上更新版本，出现了小插曲，让自己惊出一身冷汗。没想到看到了一篇deadlines的文章，让我好像知道了点什么，也把小插曲的事情忘记了。或许，这就是技术的魅力所在吧。

Algorithm LeetCode算法

最大子序和
(https://leetcode-cn.com/problems/maximum-subarray/)

题目描述：给定一个整数数组 nums ，找到一个具有最大和的连续子数组（子数组最少包含一个元素），返回其最大和。

示例 1：

输入: [-2,1,-3,4,-1,2,1,-5,4],输出: 6解释: 连续子数组 [4,-1,2,1] 的和最大，为 6。1,-3,4,-1,2,1,-5,4],
输出: 6
解释: 连续子数组 [4,-1,2,1] 的和最大，为 6。

算法题，就是考察你对算法的熟悉程度，然鹅，小编因为没怎么熟悉，所以经常使用不是很厉害的算法来解题，好尴尬的。

今天这个，小编的第一反应自然就是用循环解法，没想到做完了，才发现，这个叫动态递归，哈哈。其实就是以连续数组结束位置为每一步的解，sum其实就是记录了上一步骤的解，在这个步骤上进行对比，如果上一步的解小于0，那自然就舍弃了。得到当前步骤的解，与之前步骤解的最大值result进行比较，自然就知道答案了。

public static int maxSubArray(int[] nums) {    int sum = 0;    int result = nums[0];    for (int i : nums) {        sum = sum > 0 ? sum + i : i;        if (result < sum) {            result = sum;        }    }    return result;}
    int sum = 0;
    int result = nums[0];
    for (int i : nums) {
        sum = sum > 0 ? sum + i : i;
        if (result < sum) {
            result = sum;
        }
    }
    return result;
}

当然啦，这题提示还有一个解法是通过分治法解决的，思路就是通过递归分治不断的缩小规模，问题结果就有三种，左边的解，右边的解，中间的解，得到三个解通过比较大小即可。思路给你啦，因为也不是小编的解答，所以，这里，你自己去试试看吧。

Review 阅读并点评至少一篇英文文章

How to make peace with deadlines in software development
(https://medium.com/free-code-camp/how-to-make-peace-with-deadlines-in-software-development-6cfe3e993f51)

说来也巧，今天通过朋友的努力，让我出去呼吸了下新鲜空气，正好碰到打卡的日子，顺带去看一篇文章。这篇又是标题吸引了我，在我们软件开发的过程中，经常会有各种deadlines，前段时间还因为这个deadlines没确定好的问题，引起了一些不必要的麻烦，在这里就不详细赘述了。

那么如何很好的确定一个deadlines呢？在文中给出了以下11点，为了让我的翻译不迷惑大家，我在这里就把原文的标题给出来了，感兴趣的朋友可以参考原文哦。这里的11点，是作者做的精华总结，真的很赞，值得大家好好品味。