最大子段和——分治与动态规划
来源:互联网 发布:驱动下载软件 编辑:程序博客网 时间:2024/05/16 14:05
问题:
给定n个整数(可能为负数)组成的序列a[1],a[2],a[3],…,a[n],求该序列如a[i]+a[i+1]+…+a[j]的子段和的最大值。当所给的整均为负数时定义子段和为0,依此定义,所求的最优值为:
Max{0,a[i]+a[i+1]+…+a[j]},1<=i<=j<=n
例如,当(a1,a2,a3,a4,a4,a6)=(-2,11,-4,13,-5,-2)时,最大子段和为20。
问题求解:
/*简单算法:**v[0]不保存数据**T(n)=O(n^2).*/int MaxSum(int *v,int n,int *besti,int *bestj){ int sum=0; int i,j; for (i=1;i<=n;i++) { int thissum=0; for (j=i;j<=n;j++) { thissum+=v[j]; if (thissum>sum) { sum=thissum; *besti=i; *bestj=j; } } } return sum;}/*分治法:**将a[1n]分成a[1n/2]和a[n/2+1n],则a[1n]的最大字段和有三种情况:**(1)a[1n]的最大子段和与a[1n/2]的最大子段和相同**(2)a[1n]的最大子段和与a[n/2n]的最大子段和相同**(3)a[1n]的最大子段和为ai++aj,1<=i<=n/2,n/2+1<=j<=n**T(n)=2T(n/2)+O(n)**T(n)=O(nlogn)*/int MaxSum_DIV(int *v,int l,int r){ int k,sum=0; if(l==r) return v[l]>=0?v[l]:0; else { int center=(l+r)/2; int lsum=MaxSum_DIV(v,l,center); int rsum=MaxSum_DIV(v,center+1,r); int s1=0; int lefts=0; for (k=center;k>=l;k--) { lefts+=v[k]; if(lefts>s1) s1=lefts; } int s2=0; int rights=0; for (k=center+1;k<=r;k++) { rights+=v[k]; if(rights>s2) s2=rights; } sum=s1+s2; if(sum<lsum) sum=lsum; if(sum<rsum) sum=rsum; } return sum;}/*动态规划算法:用b[j]表示以j结尾的序列对应的最大值。**b[j]=max{a[i]++a[j]},1<=i<=j,且1<=j<=n,则所求的最大子段和为max b[j],1<=j<=n。**由b[j]的定义可易知,当b[j-1]>0时b[j]=b[j-1]+a[j],否则b[j]=a[j]。故b[j]的动态规划递归式为:**b[j]=max(b[j-1]+a[j],a[j]),1<=j<=n。**T(n)=O(n)*/int MaxSum_DYN(int *v,int n){ int sum=0,b=0; int i; for (i=1;i<=n;i++) { if(b>0) b+=v[i]; else b=v[i]; if(b>sum) sum=b; } return sum;}
- 最大子段和——分治与动态规划
- 最大子段和——分治与动态规划
- 最大子段和——分治与动态规划
- 最大子段和——分治与动态规划
- 最大子段和——分治与动态规划
- 最大子段和——分治与动态规划
- 最大子段和——分治与动态规划
- 最大子段和(分治与动态规划典例)
- 最大子段和(分治与动态规划典例)
- 最大子段和-分治&&动态规划
- 最大子段和的简单、分治与动态规划解法
- 动态规划——最大连续子段和
- 动态规划——最大连续子段和
- 动态规划——最大子段和问题
- 动态规划——最大子段和
- 动态规划——最大子段和
- 算法笔记——【动态规划】最大子段和
- 算法设计与分析--求最大子段和问题(蛮力法、分治法、动态规划法) C++实现
- SQL递归查询
- 取出复选框的值
- 哈佛大学幸福课笔记一
- 数据库的登录和注册
- sql用存储过程获取当前计算机ip
- 最大子段和——分治与动态规划
- T-SQL with as 的用法(转)
- poj 3368(RMQ应用)
- android电池管理
- HYML5下一代web from
- 如何提高激活DSO数据的性能
- CDN总结之一
- HTML在线编辑器。。一看就会的
- rman总结