动态规划思路:
将每一个数是否列入当前子段作为一个决策,
1.如果加上这个数后子段和仍然大于0,那么加上这个数
2.如果加上这个数后子段和小于0,那么子段清零,下一个数作为新的子段的开始
在这个过程中记录遇到的最大子段和
int MaxSum_DP(int *arr,int n)
{
int sum = 0;
int tmp = 0;
for(int i=0; i<n; ++i)
{
if(tmp > 0) {tmp += arr[i];}
else {tmp = arr[i];}
if(tmp >sum){sum = tmp ;}
}
return sum;
}
如果需要知道最大子段的位置,可以添加记录数据:
- int MaxSum_DP(int *arr,int n,int &besti,int &bestj)
- {
- int sum = 0;
- int tmp = 0;
- int tmp_start = 0;
- int tmp_len = 0;
- for(int i=0;i<n; ++i)
- {
- if( tmp > 0 ) { tmp+= arr[i]; tmp_len++;}
- else { tmp = arr[i]; tmp_start = i; tmp_len = 1;}
- if( tmp > sum ){ sum = tmp ; besti=tmp_start; bestj=besti+tmp_len-1;}
- }
- return sum;
- }
- 算法的复杂度为O(n)
最大子矩阵和问题
(1)问题描述:给定一个m行n列的整数矩阵A,试求A的一个子矩阵,时期各元素之和为最大。
(2)问题分析:
用二维数组a[1:m][1:n]表示给定的m行n列的整数矩阵。子数组a[i1:i2][j1:j2]表示左上角和右下角行列坐标分别为(i1,j1)和(i2,j2)的子矩阵,其各元素之和记为:
最大子矩阵问题的最优值为。如果用直接枚举的方法解最大子矩阵和问题,需要O(m^2n^2)时间。注意到,式中,,设,则
容易看出,这正是一维情形的最大子段和问题。因此,借助最大子段和问题的动态规划算法MaxSum,可设计出最大子矩阵和动态规划算法如下:
- //3d4-5 最大子矩阵之和问题
- #include "stdafx.h"
- #include <iostream>
- using namespace std;
- const int M=4;
- const int N=3;
- int MaxSum(int n,int *a);
- int MaxSum2(int m,int n,int a[M][N]);
- int main()
- {
- int a[][N] = {{4,-2,9},{-1,3,8},{-6,7,6},{0,9,-5}};
- for(int i=0; i<M; i++)
- {
- for(int j=0; j<N; j++)
- {
- cout<<a[i][j]<<" ";
- }
- cout<<endl;
- }
- cout<<endl;
- cout<<"数组a的最大连续子段和为:"<<MaxSum2(M,N,a)<<endl;
- return 0;
- }
- int MaxSum2(int m,int n,int a[M][N])
- {
- int sum = 0;
- int *b = new int[n+1];
- for(int i=0; i<m; i++)//枚举行
- {
- for(int k=0; k<n;k++)
- {
- b[k]=0;
- }
- for(int j=i;j<m;j++)//枚举初始行i,结束行j
- {
- for(int k=0; k<n; k++)
- {
- b[k] += a[j][k];//b[k]为纵向列之和
- int max = MaxSum(n,b);
- if(max>sum)
- {
- sum = max;
- }
- }
- }
- }
- return sum;
- }
- 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;
- }
3、最大m子段和问题
(1)问题描述:给定由n个整数(可能为负数)组成的序列a1,a2,a3……an,以及一个正整数m,要求确定此序列的m个不相交子段的总和达到最大。最大子段和问题是最大m字段和问题当m=1时的特殊情形。
(2)问题分析:设b(i,j)表示数组a的前j项中i个子段和的最大值,且第i个子段含a[j](1<=i<=m,i<=j<=n),则所求的最优值显然为。与最大子段问题相似,计算b(i,j)的递归式为:
其中,表示第i个子段含a[j-1],而项表示第i个子段仅含a[j]。初始时,b(0,j)=0,(1<=j<=n);b(i,0)=0,(1<=i<=m)。
具体代码如下:
- //3d4-6 最大m子段问题
- #include "stdafx.h"
- #include <iostream>
- using namespace std;
- int MaxSum(int m,int n,int *a);
- int main()
- {
- int a[] = {0,2,3,-7,6,4,-5};//数组脚标从1开始
- for(int i=1; i<=6; i++)
- {
- cout<<a[i]<<" ";
- }
- cout<<endl;
- cout<<"数组a的最大连续子段和为:"<<MaxSum(3,6,a)<<endl;
- }
- int MaxSum(int m,int n,int *a)
- {
- if(n<m || m<1)
- return 0;
- int **b = new int *[m+1];
- for(int i=0; i<=m; i++)
- {
- b[i] = new int[n+1];
- }
- for(int i=0; i<=m; i++)
- {
- b[i][0] = 0;
- }
- for(int j=1;j<=n; j++)
- {
- b[0][j] = 0;
- }
- //枚举子段数目,从1开始,迭代到m,递推出b[i][j]的值
- for(int i=1; i<=m; i++)
- {
- //n-m+i限制避免多余运算,当i=m时,j最大为n,可据此递推所有情形
- for(int j=i; j<=n-m+i; j++)
- {
- if(j>i)
- {
- b[i][j] = b[i][j-1] + a[j];//代表a[j]同a[j-1]一起,都在最后一子段中
- for(int k=i-1; k<j; k++)
- {
- if(b[i][j]<b[i-1][k]+a[j])
- b[i][j] = b[i-1][k]+a[j];//代表最后一子段仅包含a[j]
- }
- }
- else
- {
- b[i][j] = b[i-1][j-1]+a[j];//当i=j时,每一项为一子段
- }
- }
- }
- int sum = 0;
- for(int j=m; j<=n; j++)
- {
- if(sum<b[m][j])
- {
- sum = b[m][j];
- }
- }
- return sum;
- }
上述算法的时间复杂度为O(mn^2),空间复杂度为O(mn)。其实,上述算法中,计算b[i][j]时,只用到了数组b的第i-1行和第i行的值。因而,算法中只要存储数组b的当前行,不必存储整个数组。另一方面,的值可以在计算i-1行时预先计算并保存起来。计算第i行的值时不必重新计算,节省了计算时间和空间。因此,算法可继续改进如下:
- //3d4-7 最大m子段问题
- #include "stdafx.h"
- #include <iostream>
- using namespace std;
- int MaxSum(int m,int n,int *a);
- int main()
- {
- int a[] = {0,2,3,-7,6,4,-5};//数组脚标从1开始
- for(int i=1; i<=6; i++)
- {
- cout<<a[i]<<" ";
- }
- cout<<endl;
- cout<<"数组a的最大连续子段和为:"<<MaxSum(3,6,a)<<endl;
- }
- int MaxSum(int m,int n,int *a)
- {
- if(n<m || m<1)
- return 0;
- int *b = new int[n+1];
- int *c = new int[n+1];
- b[0] = 0;//b数组记录第i行的最大i子段和
- c[1] = 0;//c数组记录第i-1行的最大i-1子段和
- for(int i=1; i<=m; i++)
- {
- b[i] = b[i-1] + a[i];
- c[i-1] = b[i];
- int max = b[i];
- //n-m+i限制避免多余运算,当i=m时,j最大为n,可据此递推所有情形
- for(int j=i+1; j<=i+n-m;j++)
- {
- b[j] = b[j-1]>c[j-1]?b[j-1]+a[j]:c[j-1]+a[j];
- c[j-1] = max;//预先保存第j-1行的最大j-1子段和
- if(max<b[j])
- {
- max = b[j];
- }
- }
- c[i+n-m] = max;
- }
- int sum = 0;
- for(int j=m; j<=n; j++)
- {
- if(sum<b[j])
- {
- sum = b[j];
- }
- }
- return sum;
- }
上述算法时间复杂度为O(m(n-m)),空间复杂度为O(n)。当m或n-m为常数时,时间复杂度和空间复杂度均为O(n)。