LeetCode#53暨最大连续子序列和问题
来源:互联网 发布:linux 翻到最后一页 编辑:程序博客网 时间:2024/06/05 16:42
这是一道很有意思的算法题。说它有意思包含了几个方面的内容:首先,它的直观上的求解显而易见、非常容易,但是它的优化求解直到上世纪八十年代才被发现;其次,很多算法书籍(例如《算法导论》、《编程珠玑》,以及Mark Allen Weiss的算法书等)都会讨论它,可见它已经是算法设计的典型教学案例了;最后,它也是各种IT公司笔试面试时常常考察的一道经典算法题目(LeetCode网站上它的题目编号是53)。
来看一下LeetCode网站上关于这道题目的描述:
一、解决方法(一):Brute Force
暴搜的方法最straightforward,我们不做解释。仅给出实现代码如下:
class Solution {public: int maxSubArray(vector<int>& nums) { //int length = nums.size(); int sum = 0; int max = -2147483648; for(vector<int>::iterator it1 = nums.begin(); it1 != nums.end(); it1++){ sum = *it1; if(max < sum) max = sum; for (vector<int>::iterator it2 = it1+1; it2 != nums.end(); it2++) { sum += *it2; if(max < sum) max = sum; } } return max; }};
但是,BF的复杂度是 O(n2),如果你将上述答案提交到LeetCode,则会显示超时!
二、解决方法(二): Divide to Conquer
算法导论上有讨论这个方法。它的基本认识是,如果把数组分成左右两段,那么加和最大的连续子序列,要么出现在数组的左半部分,要么出现在数组的右半部分,要么出现在中间,即从左半部分和右半部分相邻的地方各区一段。所以可以用分治法来求解,具体实现时需要借助递归。实例代码如下:
class Solution {public: int maxSubSumRec(vector<int>& nums, int left, int right){ if(left >= right){ return nums[left]; } int i,center; center = (left + right)/2; int lmax = maxSubSumRec(nums, left, center - 1); int rmax = maxSubSumRec(nums, center +1, right); int mmax = nums[center], t = mmax; for(i = center - 1; i >= left; --i){ t += nums[i]; mmax = max(mmax, t); } t = mmax; for(i = center + 1; i <=right; ++i){ t += nums[i]; mmax = max(mmax, t); } return max(mmax, max(lmax, rmax)); } int maxSubArray(vector<int>& nums) { int length = int(nums.size()-1); return maxSubSumRec(nums, 0, length); }};
算法的复杂度是O(nlogn)。
三、解决方法(三): Dynamic Programming
这个算法又称为Kadane算法,它是又美国卡耐基梅隆大学的教授Kadane发明的一种用于求解最大连续子序列和问题的最优算法。对于一个长度为n的数组A而言,从A[0] 到 A[j] 是一个子数组(j<n),那么以A[j]结尾的子数组之最大和,要么是 A[j], 要么是 max(A[i]~A[j-1])+A[j] ,其中0 ≤ i ≤ j-1。这就是该算法设计的出发点。
如果你需要了解Kadane算法的更多细节,参考文献【1】是讲解该算法的一个非常好的视频。下面我直接给出基于该算法实现的程序代码:
class Solution {public: int maxSubArray(vector<int>& nums) { vector<int>::iterator it = nums.begin(); int maxSum = *it; int theSum = *it; for(it = it+1 ; it != nums.end(); it++){ theSum = max(theSum + *it, *it); if(theSum > maxSum) maxSum = theSum; } return maxSum; }};上述实现的复杂度是O(n)。
最后给出一个用来测试上述函数执行的主程序代码:
#include <iostream>#include <vector>using namespace std;int main(int argc, const char * argv[]) { int n[] = {6,85,46,-74,26,30,25,-15,-22}; vector<int> a(n,n+9); Solution sol; cout<<sol.maxSubArray(a)<<endl; return 0;}
参考文献
【1】https://www.youtube.com/watch?v=86CQq3pKSUw
(本文完)
- LeetCode#53暨最大连续子序列和问题
- leetcode 最大子序列和(连续)
- 最大连续子序列和的问题
- 连续子序列最大和问题
- 连续子序列和最大问题
- 最大连续子序列和 问题
- 最大连续子序列问题
- 最大连续子序列问题
- 经典 - 最大和/最大积连续子序列问题
- [数据结构]连续子序列最大和,最大积的问题
- C++ 关于最大连续子序列(和最大)问题
- 连续子序列最大和
- 最大连续子序列和
- 最大连续子序列和
- 最大连续子序列和
- 最大连续子序列和
- 最大连续子序列和
- 最大连续子序列和
- 流水账笔记:PE文件格式(RVA & FOA)
- phpMyAdmin使用教程
- 算法入门:最少比较次数求最大/最小/第二大元素
- C#中的单例模式
- Python笔记: 通过字典的值得到键
- LeetCode#53暨最大连续子序列和问题
- win10全版本下载地址MSDN纯净版ISO
- Xcode9学习笔记3
- shader和gis是目前的弱项,从osgearth源码入手
- 【笔记篇】Ubuntu一日游
- 068 定积分概念说明
- 如何成为一个很厉害的人?采铜详述13个思维法则
- Xcode9学习笔记4
- python笔记(1)