连续子数组的最大和
来源:互联网 发布:数据有效性结合offset 编辑:程序博客网 时间:2024/04/28 10:07
题目: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。
上面即用枚举法求出数组的所有子数组并求出它们的和,一个长度为n的数组,总共有n(n+1)/2个子数组。计算出所有子数组的和,最快也需要O(n2)的时间。通常最直观的方法不会是最优的方法。
采用动态规划:
观察这两个递推式,其实都只须要用两个变量就可以了。start[i+1]只有在计算start[i]的时候使用,All[i+1]也只有在计算All[i]时使用,所以程序可以进一步改进一下,只需用O(1)的空间就足够了。
如果要求同时返回最大子数组的位置,则需要对算法作一些修改:
如果数组(A[0],....,A[n-1]首尾相邻),也就是我们允许找到一段数字(A[i],...A[n-1],A[0],...,A[j]),使其和最大,又该如何处理:
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。
如果不考虑时间复杂度,我们可以枚举出所有子数组并求出他们的和。
int MaxSum(vector<int>& coll){ int maximum = -INF; int sum(0); for (int i = 0; i < coll.size(); i++) { for (int j = i; j < coll.size(); j++) { for (int k = i; k <= j; k++) { sum += coll[k]; if (sum>maximum) { maximum = sum; } } } }}
不过非常遗憾的是,由于长度为n的数组有O(n2)个子数组;而且求一个长度为n的数组的和的时间复杂度为O(n)。因此这种思路的时间是O(n3)。
如果注意到sum[i,...,j]=sum[i,...,j-1]+a[j],则可以将算法中的最后一个for循环省略,避免重复计算,从而使算法得以改进。
int MaxSum(vector<int>& coll){ int maximum = -INF; for (int i = 0; i < coll.size(); i++) { int sum = 0; for (int j = i; j < coll.size(); j++) { sum += coll[j]; if (sum>maximux) { maximum = sum; } } } return maximum;}
上面即用枚举法求出数组的所有子数组并求出它们的和,一个长度为n的数组,总共有n(n+1)/2个子数组。计算出所有子数组的和,最快也需要O(n2)的时间。通常最直观的方法不会是最优的方法。
我们这样理解,当我们加上一个正数时,和会增加;当我们加上一个负数时,和会减少。如果当前得到的和是个负数,那么这个和在接下来的累加中应该抛弃并重新清零,不然的话这个负数将会减少接下来的和。基于这样的思路,我们可以写出如下代码。
/////////////////////////////////////////////////////////////////////////////// Find the greatest sum of all sub-arrays// Return value: if the input is valid, return true, otherwise return false/////////////////////////////////////////////////////////////////////////////bool FindGreatestSumOfSubArray(int *pData, // an arrayunsigned int nLength, // the length of arrayint &nGreatestSum // the greatest sum of all sub-arrays){ // if the input is invalid, return false if ((pData == NULL) || (nLength == 0)) return false; int nCurSum = nGreatestSum = 0; for (unsigned int i = 0; i < nLength; ++i) { nCurSum += pData[i]; // if the current sum is negative, discard it if (nCurSum < 0) nCurSum = 0; // if a greater sum is found, update the greatest sum if (nCurSum > nGreatestSum) nGreatestSum = nCurSum; } // if all data are negative, find the greatest element in the array if (nGreatestSum == 0) { nGreatestSum = pData[0]; for (unsigned int i = 1; i < nLength; ++i) { if (pData[i] > nGreatestSum) nGreatestSum = pData[i]; } } return true;}或者这样写:
int findGreatestSumOfSubArray(vector<int>& coll){ int curSum = 0; int GreatestSum = 0x80000000; for (int i = 0; i < coll.size(); i++) { if (curSum <= 0) { curSum = coll[i]; } else { curSum += coll[i]; } if (curSum > GreatestSum) { GreatestSum = curSum; } } return GreatestSum;}
采用动态规划:
start[i] = max(A[i], start[i] + A[i])//以i为起点的从A[i]到A[n-1]的最大一段和All[i] = max(start[i], All[i+1])//A[i]到A[n-1]中最大的一段和int MaxSum(int* A, int n){ start[n - 1] = A[n - 1]; All[n - 1] = A[n - 1]; for (int i = n - 2; i >= 0; i--) { start[i] = max(A[i], A[i] + start[i + 1]); All[i] = max(start[i], All[i + 1]); }}
观察这两个递推式,其实都只须要用两个变量就可以了。start[i+1]只有在计算start[i]的时候使用,All[i+1]也只有在计算All[i]时使用,所以程序可以进一步改进一下,只需用O(1)的空间就足够了。
int MaxSum(int* A,int n){ nstart = A[n - 1]; nAll = A[n - 1]; for (int i = n - 2; i >= 0; i--) { nStart = max(A[i], nstart + A[i]); nAll = max(nstart, nAll); } return nAll;}
如果要求同时返回最大子数组的位置,则需要对算法作一些修改:
int MaxSum(int *A, int length, int& start, int& end){ //ostart和oend用来标记当前最大子数组和nAll的起始跟终止位置 //start和end用来标记nStart的起始跟终止位置 int nStart = A[length - 1]; int nAll = A[length - 1]; start = end = length - 1; int ostart = start; int oend = end; for (int i = length - 2; i >= 0; i--){ //如果A[i]>A[i]+nStart,说明nStart小于0,那么剔除这部分的值, //让A[i]为和最大的子数组的最后一个值,则有start=end=i if (A[i]>A[i] + nStart){ start = end = i; nStart = A[i]; } else{ //如果A[i]<A[i]+nStart,则说明nStart大于0,那么加入这部分使得A[i]+nStart比A[i]大, //则和最大的子数组的开始位置为i,结束位置不变 start = i; nStart = A[i] + nStart; } //如果nStart>nAll,说明nStart为当前和最大的子数组,因此赋值ostart=start;oend=end; if (nStart>nAll){ ostart = start; oend = end; nAll = nStart; } } start = ostart; end = oend; return nAll;}
如果数组(A[0],....,A[n-1]首尾相邻),也就是我们允许找到一段数字(A[i],...A[n-1],A[0],...,A[j]),使其和最大,又该如何处理:
可以把问题的解分为两种情况:
1. 解没有跨过 A[n-1]到A[0](原问题)。
2. 解跨过A[n-1]到A[0].
对于第二种情况,只要找到A[0]开始和最大的一段(A[0],...,A[j])(0<=j<n),以及以A[n-1]结尾的和最大的一段(A[i],...,A[n-1]),(0<=i<n),那么,第二种情况中,和的最大值M为:
M=A[i]+....+A[n-1]+A[0]+...A[j]
如果i小于j,则
M=A[0]+....A[n-1]
否则,
M=A[0]+.....A[j]+A[i]+....A[n-1]
最后,再取两种情况的最大值就可以了,求解A[n-1]到A[0]的情况只需要遍历数组一次,故总的时间复杂度为O(N)+O(N)=O(N)
/*********************************动态规划**************************************假设A[0],A[1],...A(n-1)的最大子段为A[i],...,A[j],则有以下3种情况,1)当0=i=j的时候,元素A[0]本身构成和最大的一段2)当0=i<j的时候,和最大的一段以A[0]开头3)当0<i时候,元素A[0]跟和最大的一段没有关系则原始问题A[0],A[1],...A(n-1)的解All[0]=max{A[0],A[0]+Start[1],ALL[1]}求得A[0],A[1],...A[n-1](首尾不连接)的情况后再考虑整体思路中的第二种情况*********************************************************************************///从尾到首动态规划 int MaxSum(int *A, int length){ //先求出A[0],A[1],...A[n-1](首尾不连接)的情况下子数组和最大值nAll int nStart = 0; int nAll = 0; for (int i = length - 1; i >= 0; i--){ nStart = max(0, A[i] + nStart); nAll = max(nStart, nAll); } //下面处理整体思路的第二种情况,即跨过A[n-1],A[0] //先求A[n-1]结尾的和最大的一段(A[i],...,A[n-1])(0<=i<n) int sum = 0; int ltempmax = -10000000; int lpos = length; for (int i = length - 1; i >= 0; i--){ sum += A[i]; if (sum>ltempmax){ ltempmax = sum; lpos = i; } } //求A[0]开始和最大的一段(A[0],...,A[j])(0<=j<n) sum = 0; int rtempmax = -10000000; int rpos = -1; for (int i = 0; i<length; i++){ sum += A[i]; if (sum>rtempmax){ rtempmax = sum; rpos = i; } } //如果lpos<=rpos,则循环数组中可能出现的子数组最大值要么是A[0]...A[n-1]子数组和的最大值nAll //要么是整个数组A[0]...A[n-1]的和再减去A[0]...A[n-1]中子数组和为负数的最小值 if (lpos <= rpos){ //求数组中和为负数且的最小值 int minStart = 0; int minAll = 0; for (int i = 0; i<length; i++){ minStart = min(0, A[i] + minStart); minAll = min(minStart, minAll); } int tempmax = ltempmax + rtempmax; for (int i = lpos; i <= rpos; i++){ tempmax -= A[i]; } //比较A[0]...A[n-1]子数组和的最大值nAll跟A[0]...A[n-1]的和再减去A[0]...A[n-1]中子数组和为负数的最小值 return max(nAll, tempmax - minAll); } else{ //比较A[0]+...+A[j]+A[i]+...+A[n-1]即ltempmax+rtempmax的值跟A[0]...A[n-1]子数组和的最大值nAll return max(nAll, ltempmax + rtempmax); }}
0 0
- 数组连续子数组的和最大
- 数组连续子数组的最大和
- 连续子数组的最大和
- 连续子数组的最大和
- 连续子数组的最大和
- 求连续子数组的最大和
- 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
- 连续子数组的最大和
- 连续子数组的最大和
- (8)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
- 连续子数组的最大和
- 求连续子数组的最大和
- 连续子数组的最大和
- 连续子数组的最大和
- (转)overview of hevc
- RelativeLayout
- cocos2dx工程Resources里的iTunsArtwork文件
- 算法-计算无向图中两个节点之间所有的路径
- 使用Xcode修改iOS项目工程名和路径名
- 连续子数组的最大和
- 学习笔记 --- LINUX定时器用于按键防抖实例
- 排序都有哪几种方法?请列举。用JAVA实现一个快速排序。
- 新手如何做网站
- 线性判别分析LDA
- IOS学习笔记,网络请求,json解析
- Oracle的悲观锁和乐观锁(页锁,行锁)
- Windows下权限设置方法详解
- Android应用程序签名步骤