int main()
{
const int size=10;
int array[size]={3,-3,-4,10,-11,2,-3,5,-7,-3};
int MaxSumOfArray[size]={0};
MaxSumOfArray[0]=array[0];
int currentSum=0;
for(int i=1;i<size;i++){
currentSum+=array[i];
if(currentSum>=0)
{
MaxSumOfArray[i]=MaxSumOfArray[i-1]+currentSum>array[i]?MaxSumOfArray[i-1]+currentSum:array[i];
}
else
{
MaxSumOfArray[i]=MaxSumOfArray[i-1]>array[i]?MaxSumOfArray[i-1]:array[i];
}
if(MaxSumOfArray[i]!=MaxSumOfArray[i-1])
currentSum=0;
}
for(int i=0;i<size;i++)
cout<<MaxSumOfArray[i]<<endl;
return 0;
}
}
网上有很多优化版本,不能容易体现出动态规划思想,为了说明问题未采取任何优化。此段代码利用动态规划算法,求连续数组最大和。代码已修改,之前有bug。
此处代码,MaxSumOfArray[i]才是从0开始以i结尾子数组最大和,读者可以自行验证。
1.用另一个等长数组保存连续数组的最大和以避免重复计算。空间换时间,避免子问题重复。
2.我们通过子问题的最优解计算出上层问题最优解,例如:
MaxSumOfArray[i]=MaxSumOfArray[i-1]+currentSum;
MaxSumOfArray[i]=MaxSumOfArray[i-1];
所以我们看,这个问题包含最优子结构和重叠子问题,因此他才适合使用动态规划思想。
文中代码,只是表达思想,并没有处理非法参数等异常情况。
有些书籍,用函数f(i)表示以第i个数字结尾的子数组的最大和(可能是笔误),那么我们需要求出max(f[0...n])。我们可以给出如下递归公式求f(i)
这里f(i)不是以第i个数字结尾的最大和,f(i)仅代表子数组和而不是最大 和。