题目描述
- 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)。你会不会被他忽悠住?(子向量的长度至少是1)
- 牛客链接
问题分析
- 方法1(暴力法):用 i 标记子数组的开始位置, j 标记子数组的结束位置,内外两层遍历。时间复杂度:O(N^2).
方法2:(分治法):将原数组一分为二,连续子数组的最大和出自以下三种情况:
- 左部分数组中的连续子数组的最大和
- 右部分数组中的连续子数组的最大和
- 跨越左右数组
所以递归函数应该返回三个值,当前数组中连续子数组的最大和(以上三种情况的最大值),从头开始的连续子数组的最大和(来自左部分数组的返回值),以尾结束的连续子数组的最大和 (来自右部分数组的返回值)
时间复杂度:O(NlogN)方法三:动态规划
- 用 dp[i] 表示以 i 下标结束的连续子数组的最大和,那么最终的最大和一定是 max{ dp[i]}
- 当dp[i - 1] <= 0时,dp[i] = arr[i]; 否则, dp[i] = dp[i - 1] + arr[i], dp[0] = arr[0],这便是动态规划的一般思路
- 那么根据依赖条件可知,dp[i] 只依赖于 dp[i - 1],并且 dp数组中 i位置之前的数已经固定,那么便可以压缩空间的技巧,使用一个变量 preValue 维持 dp[i-1] 即可,每算出一个值便去更新最大值,并且更新 preValue.
时间复杂度:O(N)
代码实现
- 方法三
import java.util.*;
public class Solution {
public int FindGreatestSumOfSubArray(int[] array) {
int preSum = 0;
int max = Integer.MIN_VALUE;
for (int i = 0; i < array.length; i++) {
//前部分和为负数,便不要
if (preSum < 0) {
preSum = array[i];
}else {
//前部分和为正数,便要
preSum = preSum + array[i];
}
max = Math.max(preSum, max);
}
return max;
}
}