连续子数组的最大和

本文探讨了一维模式识别中计算连续子向量最大和的问题,介绍了如何处理包含负数的向量,以决定是否包含负数以期被周围正数弥补。通过动态规划算法实现,时间复杂度O(n),提供了Python和Java两种语言的代码示例。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

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)。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)
思路:

算法时间复杂度O(n)。

用currSum记录累计值,greatestSum记录最大和。

对于一个数A,若是A的左边累计数非负,那么加上A能使得值不小于A,认为累计值对整体和是有贡献的。如果前几项累计值负数,则认为有害于总和,currSum记录当前值。 此时,若currSum大于greatestSum,则用greatestSum记录下来

# -*- coding:utf-8 -*-
class Solution:
    def FindGreatestSumOfSubArray(self, array):
        # write code here
        cursum=0
        greatsum=array[0]
        for i in array:
            if cursum<0:
                cursum=i
            else:
                cursum=cursum+i
            if cursum>greatsum:
                greatsum=cursum
        return greatsum
public class Solution {
    public int FindGreatestSumOfSubArray(int[] array) {
        int cursum=0;
        int greatsum=array[0];
        for(int i=0;i<array.length;i++){
            if(cursum<0) cursum=array[i];
            else cursum=cursum+array[i];
            if(cursum>greatsum) greatsum=cursum;
        }
        return greatsum;
    }
}

动态规划

import java.lang.Math;
public class Solution {
    public int FindGreatestSumOfSubArray(int[] array) {
        int res=array[0];//记录当前所有子数组的和的最大值
        int max=array[0];//包含array[i]的连续数组最大值
        for(int i=1;i<array.length;i++){
            max=Math.max(array[i],max+array[i]);
            res=Math.max(res,max);
        }
        return res;
    }
}
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值