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

最新推荐文章于 2022-09-18 20:07:34 发布

风仲达

最新推荐文章于 2022-09-18 20:07:34 发布

阅读量3.9w

点赞数 35

分类专栏：算法算法笔记——《算法设计与分析》文章标签： DP 最大字段和问题最大子矩阵和问题最大m子段和问题

本文链接：https://blog.csdn.net/liufeng_king/article/details/8632430

版权

本文详细介绍了动态规划在解决最大子段和问题、最大子矩阵和问题以及最大m子段和问题上的应用。通过枚举法、分治法和动态规划算法，展示了如何有效地求解这些问题，其中动态规划算法的时间复杂度和空间复杂度较低，达到O(n)或更低。

摘要由CSDN通过智能技术生成

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