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)
思路:把所有子序列的和都算粗来,找最大值,但是复杂度是O(n^2)
代码:
class Solution:
def FindGreatestSumOfSubArray(self, array):
allsum = []
if array:
for i in range(len(array)):
for j in range(i,len(array)):
cur_list = array[i:j+1]
allsum.append(sum(cur_list))
return max(allsum)
else:
return []
牛客上有人给了复杂度为O(n)的做法,动态规划:
链接:https://www.nowcoder.com/questionTerminal/459bd355da1549fa8a49e350bf3df484
来源:牛客网
class Solution: def FindGreatestSumOfSubArray(self, array): n = len(array) dp = [ i for i in array] for i in range(1,n): dp[i] = max(dp[i-1]+array[i],array[i]) return max(dp)
厉害了,自己想的时候只考虑到以一个元素开头的子数组都有哪些,其实考虑以它结尾的更有规律可寻,自己对动态规划还是不了解呀(用了今年的流行色,紫色~~~)