数组连续子序列的最大的和-四种算法，四种时间复杂度

最新推荐文章于 2023-03-22 21:36:48 发布

yingsun

最新推荐文章于 2023-03-22 21:36:48 发布

阅读量5.5k

点赞数

分类专栏：算法

本文链接：https://blog.csdn.net/zzran/article/details/8435133

版权

本文探讨了一种经典的算法问题——找出数组中连续子序列的最大和，并详细介绍了四种不同的解法，包括暴力求解、分治策略和动态规划。针对全负数的情况，最大子序列和被定义为0。算法复杂度从O(n^3)逐步优化到O(n)，动态规划是其中最有效的方法。

摘要由CSDN通过智能技术生成

给定一组数据：31, -41, 59, 26, -53, 58, 97, -93, -23, 84。要求找到这组数据中连和最大的子序列，相信很多人都看过这个算法，能够直接给出线性时间复杂度的解法。但是还是有其他解法的，而且是循序渐进的，从O(n^3), O(n^2), O(n*logn)到O(n)。

在开始算法之前要进行一下约定，如果当前输入的都是负数的时候，综合最大的子序列是空的，总和为0.

第一种方法就是brute-force解法，就是对满足所有的0<=i < j < n的组合(i,j)进行迭代，对于每个整数对都要计算a[i,j]的总和，这个算法有个特点，也就是造成时间复杂度很高的缺点，对于每次计算的结果没有记录，只是简单的将此次计算的结果和上次计算的结果进行比较，求得当前最大值后，就给扔掉了。下面给出算法：

current_max = 0;
sum = 0;
for(i = 0; i < n; i++) {
	for(j = i; j < n; j++) {
		sum = 0;
		for(k = i; k <= j; k++)
			sum += a[k];
		if(sum > current_max)
			current_max =