题目:给定一个矩阵matrix,其中的值有正、有负、有零,返回子矩阵的最大累加和。例如矩阵matrix为:
-90 48 78
64 -40 64
-81 -7 66
其中,最大累加和的子矩阵为:
48 78
-40 64
-7 66
所以返回子矩阵的最大累加和为209。
解析:最简单也最容易想到的方法是求出矩阵中的所有子矩阵,随后计算每个子矩阵的累加和,该方法的时间复杂度为O(n^4),因为一个矩阵中子矩阵的个数是n^4级别。之前介绍过连续子数组的最大和,求子矩阵的最大累加和问题实际上就是连续子数组问题的扩展,从一维空间转换为二维空间,我们可以把子矩阵的最大累加问题分解为求连续子数组的最大累加和,例如一个M*N的矩阵可以分解为M个一维矩阵,M-1个二维矩阵,M-i个i+1维矩阵等等,二维矩阵行相加又可以转为一维矩阵,同理,其他维矩阵都可以转为一维矩阵。随后在转换后的一维数组中求出连续子数组的最大和,在所有连续子数组的最大和中选择一个最大值即为子矩阵的最大累加和。该算法的时间复杂度为O(n^2*m)。代码如下:
-90 48 78
64 -40 64
-81 -7 66
其中,最大累加和的子矩阵为:
48 78
-40 64
-7 66
所以返回子矩阵的最大累加和为209。
解析:最简单也最容易想到的方法是求出矩阵中的所有子矩阵,随后计算每个子矩阵的累加和,该方法的时间复杂度为O(n^4),因为一个矩阵中子矩阵的个数是n^4级别。之前介绍过连续子数组的最大和,求子矩阵的最大累加和问题实际上就是连续子数组问题的扩展,从一维空间转换为二维空间,我们可以把子矩阵的最大累加问题分解为求连续子数组的最大累加和,例如一个M*N的矩阵可以分解为M个一维矩阵,M-1个二维矩阵,M-i个i+1维矩阵等等,二维矩阵行相加又可以转为一维矩阵,同理,其他维矩阵都可以转为一维矩阵。随后在转换后的一维数组中求出连续子数组的最大和,在所有连续子数组的最大和中选择一个最大值即为子矩阵的最大累加和。该算法的时间复杂度为O(n^2*m)。代码如下:
#include <iostream>
#include <vector>
#include <algorithm>
using namespace std;
//连续子数组的最大和
int subArrMaxSum(vector<int> &arr)
{
int max_sum = INT_MIN;
int sub_max_sum = 0;
for (int i = 0; i < arr.size(); ++i)
{
sub_max_sum += arr[i];
if (sub_max_sum < 0)
{
sub_max_sum = 0;
}
if (sub_max_sum > max_sum)
{
max_sum = sub_max_sum;
}
}
return max_sum;
}
//子矩阵的最大累加和
int subMatixMaxSum(vector<vector<int>> &matrix)
{
if (matrix.empty())
return 0;
int rows = matrix.size();
int cols = matrix[0].size();
int max_sum = INT_MIN;
int sub_max_sum = 0;
for (int row = 0; row < rows; ++row)
{
vector<int> arr(cols);
for (int i = row; i < rows; ++i)
{
for (int col = 0; col < cols; ++col)
{
arr[col] += matrix[i][col];
}
sub_max_sum = subArrMaxSum(arr);
if (sub_max_sum > max_sum)
{
max_sum = sub_max_sum;
}
}
}
return max_sum;
}
int main(void)
{
vector<vector<int>> matrix = {
{ 0,-2,-7,0 },
{ 9,2,-6,2 },
{ -4,1,-4,1 },
{-1,8,0,-2}
};
cout << subMatixMaxSum(matrix) << endl;
system("pause");
return 0;
}