算法笔记——【动态规划】最大子段和问题
来源:互联网 发布:淘宝达人报名入口 编辑:程序博客网 时间:2024/05/20 23:34
1、最大子段和问题
问题定义:对于给定序列a1,a2,a3……an,寻找它的某个连续子段,使得其和最大。如( -2,11,-4,13,-5,-2 )最大子段是{ 11,-4,13 }其和为20。
(1)枚举法求解
枚举法思路如下:
以a[0]开始: {a[0]}, {a[0],a[1]},{a[0],a[1],a[2]}……{a[0],a[1],……a[n]}共n个
以a[1]开始: {a[1]}, {a[1],a[2]},{a[1],a[2],a[3]}……{a[1],a[2],……a[n]}共n-1个
……
以a[n]开始:{a[n]}共1个
一共(n+1)*n/2个连续子段,使用枚举,那么应该可以得到以下算法:
具体代码如下:
- //3d4-1 最大子段和问题的简单算法
- #include "stdafx.h"
- #include <iostream>
- using namespace std;
- int MaxSum(int n,int *a,int& besti,int& bestj);
- int main()
- {
- int a[] = {-2,11,-4,13,-5,-2};
- for(int i=0; i<6; i++)
- {
- cout<<a[i]<<" ";
- }
- int besti,bestj;
- cout<<endl;
- cout<<"数组a的最大连续子段和为:a["<<besti<<":"<<bestj<<"]:"<<MaxSum(6,a,besti,bestj)<<endl;
- return 0;
- }
- int MaxSum(int n,int *a,int& besti,int& bestj)
- {
- int sum = 0;
- for(int i=0; i<n; i++)//控制求和起始项
- {
- for(int j=i; j<n; j++)//控制求和结束项
- {
- int thissum = 0;
- for(int k=i; k<=j; k++)//求和
- {
- thissum += a[k];
- }
- if(thissum>sum)//求最大子段和
- {
- sum = thissum;
- besti = i;
- bestj = j;
- }
- }
- }
- return sum;
- }
从这个算法的三个for循环可以看出,它所需要的计算时间是O(n^3)。事实上,如果注意到,则可将算法中的最后一个for循环省去,避免重复计算,从而使算法得以改进。改进后的代码如下:
- //3d4-2 最大子段和问题的避免重复的简单算法
- #include "stdafx.h"
- #include <iostream>
- using namespace std;
- int MaxSum(int n,int *a,int& besti,int& bestj);
- int main()
- {
- int a[] = {-2,11,-4,13,-5,-2};
- for(int i=0; i<6; i++)
- {
- cout<<a[i]<<" ";
- }
- int besti,bestj;
- cout<<endl;
- cout<<"数组a的最大连续子段和为:a["<<besti<<":"<<bestj<<"]:"<<MaxSum(6,a,besti,bestj)<<endl;
- return 0;
- }
- int MaxSum(int n,int *a,int& besti,int& bestj)
- {
- int sum = 0;
- for(int i=0; i<n; i++)//控制求和起始项
- {
- int thissum = 0;
- for(int j=i; j<=n; j++)//控制求和结束项
- {
- thissum += a[j];//求和
- if(thissum>sum)
- {
- sum = thissum;
- besti = i;
- bestj = j;
- }
- }
- }
- return sum;
- }
(2)分治法求解
分治法思路如下:
将序列a[1:n]分成长度相等的两段a[1:n/2]和a[n/2+1:n],分别求出这两段的最大字段和,则a[1:n]的最大子段和有三中情形:
[1]、a[1:n]的最大子段和与a[1:n/2]的最大子段和相同;
[2]、a[1:n]的最大子段和与a[n/2+1:n]的最大子段和相同;
[3]、a[1:n]的最大字段和为,且1<=i<=n/2,n/2+1<=j<=n。
可用递归方法求得情形[1],[2]。对于情形[3],可以看出a[n/2]与a[n/2+1]在最优子序列中。因此可以在a[1:n/2]中计算出,并在a[n/2+1:n]中计算出。则s1+s2即为出现情形[3]时的最优值。
具体代码如下:
- //3d4-1 最大子段和问题的分治算法
- #include "stdafx.h"
- #include <iostream>
- using namespace std;
- int MaxSubSum(int *a,int left,int right);
- int MaxSum(int n,int *a);
- int main()
- {
- int a[] = {-2,11,-4,13,-5,-2};
- for(int i=0; i<6; i++)
- {
- cout<<a[i]<<" ";
- }
- cout<<endl;
- cout<<"数组a的最大连续子段和为:"<<MaxSum(6,a)<<endl;
- return 0;
- }
- int MaxSubSum(int *a,int left,int right)
- {
- int sum = 0;
- if(left == right)
- {
- sum = a[left]>0?a[left]:0;
- }
- else
- {
- int center = (left+right)/2;
- int leftsum = MaxSubSum(a,left,center);
- int rightsum = MaxSubSum(a,center+1,right);
- int s1 = 0;
- int lefts = 0;
- for(int i=center; i>=left;i--)
- {
- lefts += a[i];
- if(lefts>s1)
- {
- s1=lefts;
- }
- }
- int s2 = 0;
- int rights = 0;
- for(int i=center+1; i<=right;i++)
- {
- rights += a[i];
- if(rights>s2)
- {
- s2=rights;
- }
- }
- sum = s1+s2;
- if(sum<leftsum)
- {
- sum = leftsum;
- }
- if(sum<rightsum)
- {
- sum = rightsum;
- }
- }
- return sum;
- }
- int MaxSum(int n,int *a)
- {
- return MaxSubSum(a,0,n-1);
- }
算法所需的计算时间T(n)满足一下递归式:
解此递归方程可知:T(n)=O(nlogn)。
(3)动态规划算法求解
算法思路如下:
记,则所求的最大子段和为:
由b[j]的定义知,当b[j-1]>0时,b[j]=b[j-1]+a[j],否则b[j]=a[j]。由此可得b[j]的动态规划递推式如下:
b[j]=max{b[j-1]+a[j],a[j]},1<=j<=n。
具体代码如下:
- //3d4-1 最大子段和问题的动态规划算法
- #include "stdafx.h"
- #include <iostream>
- using namespace std;
- int MaxSum(int n,int *a);
- int main()
- {
- int a[] = {-2,11,-4,13,-5,-2};
- for(int i=0; i<6; i++)
- {
- cout<<a[i]<<" ";
- }
- cout<<endl;
- cout<<"数组a的最大连续子段和为:"<<MaxSum(6,a)<<endl;
- return 0;
- }
- int MaxSum(int n,int *a)
- {
- int sum=0,b=0;
- for(int i=1; i<=n; i++)
- {
- if(b>0)
- {
- b+=a[i];
- }
- else
- {
- b=a[i];
- }
- if(b>sum)
- {
- sum = b;
- }
- }
- return sum;
- }
上述算法的时间复杂度和空间复杂度均为O(n)。
- 算法笔记——【动态规划】最大子段和
- 0013算法笔记——【动态规划】最大子段和问题,最大子矩阵和问题,最大m子段和问题
- 0013算法笔记——【动态规划】最大子段和问题,最大子矩阵和问题,最大m子段和问题
- 0013算法笔记——【动态规划】最大子段和问题,最大子矩阵和问题,最大m子段和问题
- 算法笔记——【动态规划】最大子段和问题
- 动态规划——最大子段和问题
- 动态规划算法求最大子段和问题
- 动态规划 最大子段和问题
- 直接算法+动态规划算法求解最大子段和
- 动态规划——最大连续子段和
- 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
- 动态规划——最大连续子段和
- 最大子段和——分治与动态规划
- 动态规划——最大子段和
- 最大子段和——分治与动态规划
- 最大子段和——分治与动态规划
- 使用并查集判断无向图是否连通
- 使用VS2010自定义C++模板
- Idea的插件
- 初探RxJava
- Qt(三)--- 实现QQ登陆界面头像状态栏的功能
- 算法笔记——【动态规划】最大子段和问题
- 多线程下载
- 2016百度之星热身赛 1003
- JAVA中ListIterator和Iterator详解与辨析
- 如何将天天模拟器连接到eclipse中
- Serializable和Parcelable的用法
- debian8安装完之后要做的N件事
- git基本使用
- hdoj-5605-geometry