最大连续子串问题
首先,要明白子串和子序列的区别。
1)子串(Substring)是串的一个连续的部分;
2)子序列(Subsequence)则是从不改变序列的顺序,而从序列中去掉任意的元素而获得的新序列;(关于求最长子序列的算法见博客:动态规划(5)-字符串相似度算法))
最大连续子串问题是给定一组元素,求使得连续子串的值最大,比如最大连续和子串、最大连续乘积子串。这类问题可以用动态规划求解。下面举例说明如何求解这类问题。
最大连续和子串
例子:输入一个整型数组,数组里有正数也有负数。数组中一个或连续多个整数组成一个子数组。求所有子数组的和的最大值。
算法1:时间复杂度O(n*n)maxsofar=pData[0];
for i=[0,n)
sum=0;
for j=[i,n){
sum+=pData[j];
maxsofar=max(maxsofar,sum);
}//end for
算法2:动态规划,时间复杂度O(n)1)最优子结构
记f[i]表示以第i个数字结尾的子数组的最大和,那么要求max{f[i]},其中0<=i<n。
假设f[i-1]是i-1时的最优解,则如何求f[i]时的最优解呢?
此时f[i]面临2种选择:一是与前面子数据相加,二是不与前面子数据相加,即f[i]=pData[i]。具体的:
当f[i-1]<=0时,如果把负数与pData[i]相加,得到的结果比pData[i]本身还要小,所以此时f[i]=pData[i]当f[i-1]>0时,则pData[i]与正数相加,得到的结果比pData[i]本身大,所以此时f[i]=f[i-1]+pData[i]
2)迭代解
当i=0或者f[i-1]<=0时,
f[i]=pData[i]
当i!=0并且f[i-1]>0时,
f[i]=f[i-1]+pData[i]