最小正序列和
来源:互联网 发布:软件移植 编辑:程序博客网 时间:2024/04/29 00:40
#include <iostream>#include <algorithm>using namespace std;//最小正子序列和(minimun subsequences sum)const int MAXINT=999999;struct Node{ int sum; int xiabiao; };int cmp(const Node& t1,const Node& t2){ return t1.sum < t2.sum;}//nlognint minPositiveSubsequenceSum(int data[],int len){ Node* temp = new Node[len]; temp[0].sum = data[0]; temp[0].xiabiao = 0; for(int i=1;i<len;i++) { temp[i].sum = temp[i-1].sum+data[i]; temp[i].xiabiao = i; } //对temp.sum[]进行从小到大排序,sum[]中只有相邻的两个数才有可能 得到 最小正子序列和 sort(temp,temp+len,cmp); int sum = MAXINT; for(int i=0;i<len-1;i++) { if(temp[i].xiabiao < temp[i+1].xiabiao) { if(temp[i+1].sum - temp[i].sum > 0 && temp[i+1].sum - temp[i].sum < sum) sum = temp[i+1].sum - temp[i].sum; } } delete temp; temp=0; return sum;}//最小子序列和(minimun subsequences sum),lognint minSubsequenceSum(int data[],int len){ int curMinSum = data[0]; int minSum= data[0]; for(int i=1;i<len;i++) { if(curMinSum >= 0) curMinSum = data[i]; else curMinSum = curMinSum + data[i]; if(curMinSum < minSum) minSum = curMinSum; } return minSum;}int main(){ int data[]={4,-1,5,-2,-1,2,6,-2}; int len =sizeof(data)/sizeof(data[0]); cout<<minPositiveSubsequenceSum(data,len)<<endl; cout<<minSubsequenceSum(data,len)<<endl; system("pause"); return 0; }
数对之差的最大值
题目:在数组中,数字减去它右边的数字得到一个数对之差。求所有数对之差的最大值。例如在数组{2, 4, 1, 16, 7, 5, 11, 9}中,数对之差的最大值是11,是16减去5的结果。
解法二:转化成求解子数组的最大和问题
接下来再介绍一种比较巧妙的解法。如果输入一个长度为
n的数组numbers,我们先构建一个长度为n-1的辅助数组diff,并且diff[i]等于numbers[i]-numbers[i+1](0<=i<n-1)。如果我们从数组diff中的第i个数字一直累加到第j个数字(j > i),也就是diff[i] + diff[i+1] + … + diff[j] = (numbers[i]-numbers[i+1]) + (numbers[i + 1]-numbers[i+2]) + ... + (numbers[j] – numbers[j + 1]) = numbers[i] – numbers[j + 1]。分析到这里,我们发现原始数组中最大的数对之差(即numbers[i] – numbers[j + 1])其实是辅助数组diff中最大的连续子数组之和。如下代码:
int MaxDiff_Solution2(int numbers[], unsigned length){ if(numbers == NULL || length < 2) return 0; int* diff = new int[length - 1]; for(int i = 1; i < length; ++i) diff[i - 1] = numbers[i - 1] - numbers[i]; int currentSum = 0; int greatestSum = 0x80000000; for(int i = 0; i < length - 1; ++i) { if(currentSum <= 0) currentSum = diff[i]; else currentSum += diff[i]; if(currentSum > greatestSum) greatestSum = currentSum; } delete[] diff; return greatestSum;}
解法三:动态规划法
既然我们可以把求最大的数对之差转换成求子数组的最大和,而子数组的最大和可以通过动态规划求解,那我们是不是可以通过动态规划直接求解呢?下面我们试着用动态规划法直接求数对之差的最大值。
我们定义diff[i]是以数组中第i个数字为减数的所有数对之差的最大值。也就是说对于任意h(h < i),diff[i]≥number[h]-number[i]。diff[i](0≤i<n)的最大值就是整个数组最大的数对之差。
假设我们已经求得了diff[i],我们该怎么求得diff[i+1]呢?对于diff[i],肯定存在一个h(h < i),满足number[h]减去number[i]之差是最大的,也就是number[h]应该是number[i]之前的所有数字的最大值。当我们求diff[i+1]的时候,我们需要找到第i+1个数字之前的最大值。第i+1个数字之前的最大值有两种可能:这个最大值可能是第i个数字之前的最大值,也有可能这个最大值就是第i个数字。第i+1个数字之前的最大值肯定是这两者的较大者。我们只要拿第i+1个数字之前的最大值减去number[i+1],就得到了diff[i+1]。
int MaxDiff_Solution3(int numbers[], unsigned length){ if(numbers == NULL || length < 2) return 0; int max = numbers[0]; int maxDiff = max - numbers[1]; for(int i = 2; i < length; ++i) { if(numbers[i - 1] > max) max = numbers[i - 1]; int currentDiff = max - numbers[i]; if(currentDiff > maxDiff) maxDiff = currentDiff; } return maxDiff;}
在上述代码中,max表示第i个数字之前的最大值,而currentDiff表示diff[i](0≤i<n),diff[i]的最大值就是代码中maxDiff。
- 最小正序列和
- 最小正子序列和
- 最小最序列和以及最小正子序列
- 求最小子序列和 求最小的正序列 求最大子序列乘积
- 求最小正序列的和java实现
- 求最小正序列的和java实现
- 看了一些求最小正子序列和的解法
- 最小m序列和
- 和为s的连续正序列
- 和为s的连续正序列
- 序列和之差最小
- java 最小子序列和
- 和为某一值的连续正序列
- 打印所有和为s的连续正序列
- 剑指offer-和为S的连续正序列
- 连续最大子序列和与最小子序列和
- py两序列和差最小
- 最小子序列和 单向DP
- 如何写好代码----java代码优化
- IT人士必去的10个网站
- 为什么要使用ORM
- Struts2 WEB-INF/lib/struts2-core-2.1.8.1jar!/struts-default.xml:47:178
- 翻译Data Structures and Algorithms with Object-Oriented Design Patterns in Python,写在前面的话
- 最小正序列和
- 基于JPEG压缩编码的数据压缩算法的研究与实现
- vmware上安装vxworks(xp环境)
- XML第一节
- uva 401 - Palindromes
- 类中重载new的几种形式
- 一个Generic Memory Pool的剖析
- 解析字符串中的数字,并将其排序后输出字符串
- log4j.properties配置详解