动态规划——最大子矩阵和

最大子矩阵问题：
问题描述：(具体见http://acm.pku.edu.cn/JudgeOnline/showproblem?problem_id=1050 )
   给定一个n*n(0<n<=100)的矩阵，请找到此矩阵的一个子矩阵，并且此子矩阵的各个元素的和最大，输出这个最大的值。
Example：
 0 -2 -7  0
 9  2 -6  2
-4  1 -4  1
-1  8  0 -2
其中左上角的子矩阵：
 9 2
-4 1
-1 8
此子矩阵的值为9+2+(-4)+1+(-1)+8=15。
  我们首先想到的方法就是穷举一个矩阵的所有子矩阵，然而一个n*n的矩阵的子矩阵的个数当n比较大时时一个很大的数字 O(n^2*n^2)，显然此方法不可行。
  怎么使得问题的复杂度降低呢？对了，相信大家应该知道了，用动态规划。对于此题，怎么使用动态规划呢？

  让我们先来看另外的一个问题(最大子段和问题)：
    给定一个长度为n的一维数组a，请找出此数组的一个子数组,使得此子数组的和sum＝a[i]+a[i+1]+……+a[j]最大，其中i>=0,i<n,j>=i,j<n，例如
   31 -41 59 26 -53  58 97 -93 -23 84
 子矩阵59+26-53+58+97=187为所求的最大子数组。
第一种方法－直接穷举法:
   maxsofar=0;
   for i = 0 to n
   {
       for  j = i to n
       {
            sum=0;
            for k=i to j
                sum+=a[k]
            if (maxsofar>sum)
               maxsofar=sum;
       }
   }

第二种方法－带记忆的递推法：
   cumarr[0]=a[0]
   for i=1 to n      //首先生成一些部分和
   {
        cumarr[i]=cumarr[i-1]+a[i];      
   }

   maxsofar=0
   for i=0 to n
   {
       for  j=i to n     //下面通过已有的和递推
       {
           sum=cumarr[j]-cumarr[i-1]
           if(sum>maxsofar)
               maxsofar=sum
       }
   }
显然第二种方法比第一种方法有所改进，时间复杂度为O(n*n)。

下面我们来分析一下最大子段和的子结构，令b[j]表示从a[0]~a[j]的最大子段和，b[j]的当前值只有两种情况，(1) 最大子段一直连续到a[j]  (2) 以a[j]为起点的子段，不知有没有读者注意到还有一种情况，那就是最大字段没有包含a[j]，如果没有包含a[j]的话，那么在算b[j]之前的时候我们已经算出来了，注意我们只是算到位置为j的地方，所以最大子断在a[j]后面的情况我们可以暂时不考虑。
由此我们得出b[j]的状态转移方程为：b[j]=max{b[j-1]+a[j],a[j]},
所求的最大子断和为max{b[j],0<=j<n}。进一步我们可以将b[]数组用一个变量代替。
得出的算法如下：
    int maxSubArray(int n,int a[])
    {
        int b=0,sum=-10000000;
        for(int i=0;i<n;i++)
        {
             if(b>0) b+=a[i];
             else b=a[i];
             if(b>sum) sum=b;  
        }
        return sum;
    }
这就是第三种方法－动态规划。

  现在回到我们的最初的最大子矩阵的问题,这个问题与上面所提到的最大子断有什么联系呢？
  假设最大子矩阵的结果为从第r行到k行、从第i列到j列的子矩阵，如下所示(ari表示a[r][i],假设数组下标从1开始)：
  | a11 …… a1i ……a1j ……a1n |
  | a21 …… a2i ……a2j ……a2n |
  |  .     .     .    .    .     .    .   |
  |  .     .     .    .    .     .    .   |
  | ar1 …… ari ……arj ……arn |
  |  .     .     .    .    .     .    .   |
  |  .     .     .    .    .     .    .   |
  | ak1 …… aki ……akj ……akn |
  |  .     .     .    .    .     .    .   |
  | an1 …… ani ……anj ……ann |

 那么我们将从第r行到第k行的每一行中相同列的加起来，可以得到一个一维数组如下：
 (ar1+……+ak1, ar2+……+ak2, ……,arn+……+akn)
 由此我们可以看出最后所求的就是此一维数组的最大子断和问题，到此我们已经将问题转化为上面的已经解决了的问题了。

1 #include <iostream> 2 using namespace std; 3 4 int ** a; 5 int **sum; 6 int max_array(int *a,int n) 7 { 8 int *c = new int [n]; 9 int i =0; 10 c[0] = a[0]; 11 for(i=1;i<n;i++) 12 { 13 if(c[i-1]<0) 14 c[i] = a[i]; 15 else 16 c[i] = c[i-1]+a[i]; 17 } 18 int max_sum = -65536; 19 for(i=0;i<n;i++) 20 if(c[i]>max_sum) 21 max_sum = c[i]; 22 delete []c; 23 return max_sum; 24 25 } 26 int max_matrix(int n) 27 { 28 int i =0; 29 int j = 0; 30 int max_sum = -65535; 31 int * b = new int [n]; 32 33 for(i=0;i<n;i++) 34 { 35 for(j=0;j<n;j++) 36 b[j]= 0; 37 for(j=i;j<n;j++)//把数组从第i行到第j行相加起来保存在b中，在加时，自底向上，首先计算行间隔(j-i)等于1的情况，然后计算j-i等于 2的情况，一次类推,在小间隔的基础上一次累加，避免重复计算 38 { 39 for(int k =0;k<=n;k++) 40 b[k] += a[j][k]; 41 int sum = max_array(b,n); 42 if(sum > max_sum) 43 max_sum = sum; 44 } 45 } 46 delete []b; 47 return max_sum; 48 } 49 int main() 50 { 51 int n; 52 cin >> n; 53 54 a = new int *[n]; 55 sum = new int *[n]; 56 int i =0; 57 int j =0; 58 for(i=0;i<n;i++) 59 { 60 sum[i] = new int[n]; 61 a[i] = new int[n]; 62 for(j=0;j<n;j++) 63 { 64 cin>>a[i][j]; 65 sum[i][j] =0 ;//sum[r][k]表示起始和结尾横坐标分别为r,k时的最大子矩阵 66 //sum[r][k] = max{sum (a[i][j]):r<=i<=k}:0<=k<=n-1 67 } 68 } 69 /* 70 int b[10]={31,-41,59,26,-53,58,97,-93,-23,84}; 71 cout << max_array(b,10) << endl; 72 */ 73 cout << max_matrix(n); 74 }