第五章、求连续子数组的最大和
来源:互联网 发布:国外视频播放器 知乎 编辑:程序博客网 时间:2024/04/29 11:57
第一节、求子数组的最大和
题目描述:输入一个整形数组,数组里有正数也有负数。数组中连续的一个或多个整数组成一个子数组,每个子数组都有一个和。求所有子数组的和的最大值。要求时间复杂度为O(n)。
例如输入的数组为1, -2, 3, 10, -4, 7, 2, -5,和最大的子数组为3, 10, -4, 7, 2,因此输出为该子数组的和18。
思路一:求一个数组的最大子数组和,如此序列1, -2, 3, 10, -4, 7, 2, -5,我想最最直观也是最野蛮的办法便是,三个for循环三层遍历,求出数组中每一个子数组的和,最终求出这些子数组的最大的一个值。记Sum[i, …, j]为数组A中第i个元素到第j个元素的和(其中0 <= i <= j < n),遍历所有可能的Sum[i, …, j],那么时间复杂度为O(N^3)。
代码如下:
int MaxSum(int* A, int n) { int maximum = -INF; int sum = 0; for (int i = 0; i < n; i++) { for (int j = i; j < n; j++) { for (int k = i; k <= j; k++) { sum += A[k]; } if (sum > maximum) maximum = sum; sum = 0; //这里要记得清零,否则的话sum最终存放的是所有子数组的和。也就是编程之美上所说的bug。 } } return maximum; }
- 思路二:例如输入的数组为1, -2, 3, 10, -4, 7, 2, -5,那么最大的子数组为3, 10, -4, 7, 2,因此输出为该子数组的和18。
所有的东西都在以下两行,即:
b : 0 1 -1 3 13 9 16 18 13
sum: 0 1 1 3 13 13 16 18 18
其实算法很简单,当前面的几个数,加起来后,b<0后,把b重新赋值,置为下一个元素,b=a[i]。当b>sum,则更新sum=b;若b<sum,则sum保持原值,不更新.
代码如下:#include <iostream.h>using namespace std;int maxSum(int* a, int n){int sum=0;int b=0;for(int i=0; i<n; i++){if(b<0) b=a[i];elseb+=a[i];if(sum<b)sum=b;}return sum;}int main(){ int a[10]={1, -2, 3, 10, -4, 7, 2, -5}; cout<<maxSum(a,8)<<endl; return 0;}
由于在上述过程中没有考虑全是负数的情况,我们假设如果数组全部是负数的话,那么返回值就返回负数中的最大值。
代码修改如下:#include <iostream.h>using namespace std;int maxsum(int *a,int n) { int max=a[0]; //全负情况,返回最大数 int sum=0; for(int j=0;j<n;j++) { if(sum>=0) //如果加上某个元素,sum>=0的话,就加 sum+=a[j]; else sum=a[j]; //如果加上某个元素,sum<0了,就不加 if(sum>max) max=sum; } return max;}int main(){ int a[]={-1,-2,-3,-4}; cout<<maxsum(a)<<endl; return 0;}
思路三:DP解法的具体过程:设sum[i] 为前i个元素中,包含第i个元素且和最大的连续子数组,result 为已找到的子数组中和最大的。对第i+1个元素有两种选择:做为新子数组的第一个元素、放入前面找到的子数组。
sum[i+1] = max(a[i+1], sum[i] + a[i+1]);result = max(result, sum[i]);
代码如下:#include <iostream.h>using namespace std;int maxsum(int *a,int n) { int *sum = new int[n]; int result=a[0]; int sum[0] = a[0]; for(int j=1;j<n;j++) { sum[j] = max(a[j],sum[j] + a[j]); //max(a,b),返回a,b中大的数 result = max(reslut,sum[j]); } delete[] sum; return result; }int main(){ int a[]={-1,-2,-3,-4}; cout<<maxsum(a)<<endl; return 0;}
第二节、Data structures and Algorithm analysis in C下面给出《Data structures and Algorithm analysis in C》中4种实现。
//Algorithm 1:时间效率为O(n*n*n)int MaxSubsequenceSum1(const int A[],int N){int ThisSum=0 ,MaxSum=0,i,j,k;for(i=0;i<N;i++)for(j=i;j<N;j++){ThisSum=0;for(k=i;k<j;k++)ThisSum+=A[k];if(ThisSum>MaxSum)MaxSum=ThisSum;}return MaxSum;}//Algorithm 2:时间效率为O(n*n)int MaxSubsequenceSum2(const int A[],int N){int ThisSum=0,MaxSum=0,i,j,k;for(i=0;i<N;i++){ThisSum=0;for(j=i;j<N;j++){ThisSum+=A[j];if(ThisSum>MaxSum)MaxSum=ThisSum;}}return MaxSum;}//Algorithm 3:时间效率为O(n*log n)//算法3的主要思想:采用二分策略,将序列分成左右两份。//那么最长子序列有三种可能出现的情况,即//【1】只出现在左部分.//【2】只出现在右部分。//【3】出现在中间,同时涉及到左右两部分。//分情况讨论之。static int MaxSubSum(const int A[],int Left,int Right){int MaxLeftSum,MaxRightSum; //左、右部分最大连续子序列值。对应情况【1】、【2】int MaxLeftBorderSum,MaxRightBorderSum; //从中间分别到左右两侧的最大连续子序列值,对应case【3】。int LeftBorderSum,RightBorderSum;int Center,i;if(Left == Right)Base Caseif(A[Left]>0)return A[Left];elsereturn 0;Center=(Left+Right)/2;MaxLeftSum=MaxSubSum(A,Left,Center);MaxRightSum=MaxSubSum(A,Center+1,Right);MaxLeftBorderSum=0;LeftBorderSum=0;for(i=Center;i>=Left;i--){LeftBorderSum+=A[i];if(LeftBorderSum>MaxLeftBorderSum)MaxLeftBorderSum=LeftBorderSum;}MaxRightBorderSum=0;RightBorderSum=0;for(i=Center+1;i<=Right;i++){RightBorderSum+=A[i];if(RightBorderSum>MaxRightBorderSum)MaxRightBorderSum=RightBorderSum;}int max1=MaxLeftSum>MaxRightSum?MaxLeftSum:MaxRightSum;int max2=MaxLeftBorderSum+MaxRightBorderSum;return max1>max2?max1:max2;}//Algorithm 4:时间效率为O(n)//同上述第一节中的思路2、和3。int MaxSubsequenceSum(const int A[],int N){int ThisSum,MaxSum,j;ThisSum=MaxSum=0;for(j=0;j<N;j++){ThisSum+=A[j];if(ThisSum>MaxSum)MaxSum=ThisSum;else if(ThisSum<0)ThisSum=0;}return MaxSum;}
- 第五章、求连续子数组的最大和
- 求连续子数组的最大和
- 求连续子数组的最大和
- 求连续子数组的最大和
- 求连续子数组的最大和
- 求连续子数组的最大和
- 求连续子数组的最大和
- 求连续子数组的最大和
- 求连续子数组的最大和
- 求连续子数组的最大和
- 求连续子数组的最大和
- 求连续子数组的最大和
- 求连续子数组的最大和
- 求连续子数组的最大和
- 求连续子数组的最大和
- 求连续子数组的最大和
- 求连续子数组的最大和
- 求连续子数组的最大和
- ALTER DATABASE 与 ALTER TABLESPACE OFFLINE的区别
- HTML5批量拖拽图片到网页
- ios图片处理
- HashMap与Hashtable的区别
- 【常见Web应用安全问题】---14、Google Hacking
- 第五章、求连续子数组的最大和
- Linux内核引导参数简介
- 针对大数据量查询效率的经验
- 【常见Web应用安全问题】---12、URL redirection
- 如何开发ORACLE存储过程
- 【常见Web应用安全问题】---7、CRLF injection
- sql server快速删除记录方法
- Http协议浅析
- 在程序中打开系统设置页