动态规划(最大子矩阵)

在DP问题中有一种叫最大子矩阵问题，刚好碰到了这一题，于是学习分享之。

让我们先来看一下题目：ZOJ Problem Set - 1074

最大子矩阵

题目分类：动态规划

题目大意：就是输入一个N*N的矩阵，找出在矩阵中，所有元素加起来之和最大的子矩阵。

例如在 这样一个4*4的矩阵中，元素之和最大的子矩阵为 　 ，它们之和为15。

这是一个最大子矩阵问题，我们怎么来解决这个问题呢？任何问题都会有它的简化的问题，这是二维的数组，与之对应的，我们可以先尝试一下一维数组。

如果有一个一维数组a[n]，如何找出连续的一段，使其元素之和最大呢？

例如有 1 ，2， -3， 4， -2， 5 ，-3 ，-1， 7， 4， -6 这样一个数组，那么显然 4， -2， 5， -3， -1， 7， 4 这个子数组元素之和最大，为4+(-2)+5+(-3)+(-3)+7+4=14。为找到一维数组的最大子数组，我们可以有以下方法。

1. 穷举法

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

这种方法在n很大情况下，需要运行的次数非常多，有三层循环，所有在n很大的情况下不适用

2. 带记忆的递推法

record[0] = 0;
for (i = 1; i <= n; i++)                    //用下标1~n来储存n个数
	record[i] = record[i - 1] + a[i];		//用record记录a[i]前i个的和
max = 0;
for (i = 1; i <= n; i++)
{
	for (j = 0; j < i; j++)
	{
		sum = record[i] - record[j];
		if (sum > max)    max = sum;
	}
}

这种方法的时间复杂度为iO(n²)

3. 动态规划
   我们来分析一下最优子结构，若想找到n个数的最大子段和，那么要找到n-1个数的最大子段和，这就出来了。我们用b[i]来表示a[0]…a[i]的最大子段和，b[i]无非有两种情况：
   (1)最大子段一直连续到a[i] 　
   (2)以a[i]为首的新的子段

由此我们可以得到b[i]的状态转移方程：b[i]=max{b[i-1]+a[i],a[i]}。
最终我们得到的最大子段和为
max{b[i], 0<=i<n}， 算法如下：

int MaxSubArray(int a[], int n)
{
	int i, b = 0, sum = b[0];	//此处sum不可赋值为0，因为有可能出现全部为负的情况
	for (i = 0; i < n; i++)
	{
		if (b > 0)                // 若a[i]+b[i-1]会减小
			b += a[i];			 // 则以a[i]为首另起一个子段
		else
			b = a[i];
		if (b > sum)
			sum = b;
	}
	return sum;
}

说了这么多，这跟最大子矩阵有什么关系呢？当然有关系学啦！二维就是一维的扩展，把二维压扁不就变成一维了吗？

我们假设所求N*N的矩阵的最大子矩阵是从i列到j列，q行到p行，如下图所示（假设下标从1开始）

最大子矩阵就是图示红色部分，如果把最大子矩阵同列的加起来，我们可以得到一个一维数组{a[q][i]+······+a[p][i] , ······ ，a[q][j]+······+a[p][j]} ，现在我们可以看出，这其实就是一个一维数组的最大子段问题。如果把二维数组看成是纵向的一维数组和横向的一维数组，那问题不就迎刃而解了吗？把二维转换成了我们刚刚解决了的问题。

#include <iostream>
#include <cstring>
using namespace std;

int maxsub(int a[], int n)
{
	int i, max = a[0], b = 0;
	for (i = 0; i < n; i++)
	{
		if (b + a[i] >= a[i])	//当n-1的最大字段和+a[i]>=原来的最大字段和
			b += a[i];	//则n的最大字段和为b+a[i]
		else	//否则，就是a[i]
			b = a[i];
		if (b > max)	//找到最大的最大字段和
			max = b;
	}
	return max;
}

int main()
{
	int n, i, j, k, maxsubrec, maxsubarr, m;
	int dp[101][101], arr[101];
	cin >> n >> m;
	for (i = 0; i < n; i++)
		for (j = 0; j < m; j++)
			cin >> dp[i][j];
	maxsubrec = dp[0][0];
	for (i = 0; i < n; i++)	//i用于标识从哪行开始，依次选择行
	{
		memset(arr, 0, sizeof(arr));
		for (j = i; j < n; j++)	//从第i行开始，j为选择几行
		{
			for (k = 0; k < m; k++)	//从1列选择到m列，压缩行
				arr[k] += dp[j][k];
			maxsubarr = maxsub(arr, m);	//从每一个压缩行中选择最大字段和
			if (maxsubarr > maxsubrec) maxsubrec = maxsubarr;
		}
	}
	cout << maxsubrec << endl;
	return 0;
}