问题描述:给定整数A1,A2......AN(可能有负数),求∑j(k=i)Ak的最大值。(为了方便起见,如果所有整数均为负数,则最大子序列和为0)。
问题分析: 就是在一个整数列里面,找寻一段子数列,保证子数列和是最大的。
思路一:采取穷举法,任何情况下都可以用穷举法解决问题,只是算法的效率特别低。最逗比的想法,将其中所有的子序列都进行比较。由此有两种代码方法。
方法一:
int MaxSubsequenceSum(const int A[],int N)
{
int ThisSum,MaxSum,i,j,k;
MaxSum=0;
for(i=0;i<N;i++)
{
for(j=i;j<N;j++)
{
ThisSum=0;
<span style="color:#ff0000;">for(k=i;k<=j;k++)
ThisSum+=A[k];</span>
if(ThisSum>MaxSum)
MaxSum=ThisSum;
}
}
return MaxSum;
}
方法二:
int MaxSubsequence(const int A[],int N)
{
int ThisSum,MaxSum,i,j;
MaxSum=0;
for(i=0;i<N;i++)
{
ThisSum=0;
for(j=i;j<N;j++)
{
ThisSum+=A[j];
if(ThisSum>MaxSum)
{
MaxSum=ThisSum;
}
}
}
return MaxSum;
}
分析两段代码,发现两者的区别在于红色标注的地方,红色标注的地方,重复的将子序列重新计算的一遍。而对于第二种方法是采取了利用前一次的ThisSum的值。
思路二:采取分治法,将一个问题分而治之。最大子序列可能在三个位置出现,分别是整个数列的前半部分和后半部分以及跨越前后部分的中间部分。
static int MaxSubsequenceSum(const int A[] ,int left/*左边界*/,int right/*右边界*/)
{
int MaxLeftSum,MaxRightSum;
int MaxLeftBorderSum,MaxRightBorderSum;
int LeftBorderSum,RightBorderSum;
int center,i;
if(Left==Right)
{
if(A[Left]>0)
return A[Left];
else
return 0;
}
center=(Left+Right)/2;
MaxLeftSum=MaxSubSum(A,Left,center);
MaxRightSum=MaxSubSum(A,center+1,Right);
MaxLeftBorderSum=0;
LeftBorderSum=0;
for(i=center;i>=left;i--)
{
LeftBorderSum+=A[i];
if(LeftBorderSum>MaxLeftBorderSum)
MaxLeftBorderSum=LeftBorderSum;
}
MaxRightBorderSum=0;RightBorderSum=0;
for(i=center;i<=right;i++)
{
RightBorderSum+=A[i];
if(RightBorderSum>MaxRightBorderSum)
MaxRightBorderSum=RightBorderSum;
}
return max3(MaxLeftSum,MaxRightSum,MaxLeftBorderSum,MaxRightBorderSum);
}
int MaxSubsequenceSum(const int A[],int N)
{
return MaxSubSum(A,0,N-1);
}
思路三:最大子序列和,一旦最大子序列和变为负数,则不可能为最大子序列和。
int MaxSubsequenceSum(const int A[],int N)
{
int ThisSum,MaxSum,j;
ThisSum=MaxSum=0;
for(j=0;j<N;j++)
{
ThisSum+=A[j];
if(ThisSum>MaxSum)
MaxSum=ThisSum;
else if(ThisSum<0)
ThisSum=0;
}
return MaxSum;
}