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)
基本思路:动态规划。
对于以第i个数字结尾的子数组来说,如果i=0或者以第i-1个数字结尾的子数组最大和小于0,那么当前子数组最大和为第i个数字,否则在原来的基础上加上第i个数字。
# -*- coding:utf-8 -*-
class Solution:
def FindGreatestSumOfSubArray(self, array):
# write code here
def DynamicPrograming(data, index):
if index == 0:
return data[index]
else:
if DynamicPrograming(data, index - 1) <= 0:
return data[index]
else:
return DynamicPrograming(data, index - 1) + data[index]
if array:
for i in range(len(array)):
nCurSum = DynamicPrograming(array, i)
if i == 0:
nGreatestSum = nCurSum
else:
if nGreatestSum < nCurSum:
nGreatestSum = nCurSum
return nGreatestSum
其实写个循环,每次比较一下第i个数和以第i-1个数字结尾的子数组最大和+第i个数的结果,取较大者,然后再与当前保存的最大和比较,取较大值。