算法复习——动态规划篇之最大子数组问题

算法复习——动态规划篇之最大子数组问题

以下内容主要参考中国大学MOOC《算法设计与分析》，墙裂推荐希望入门算法的童鞋学习！

1. 问题背景

子数组：数组中连续的一段序列，例如$X[3..7]$；

子数组和：子数组中元素的求和，$X[3..7]$的和就是$3+5-4+3+2=9$；

​ 那么，问题就是如何寻找数组$X$中最大的非空子数组？

2. 问题定义

最大子数组问题（Max Continuous Subarray）

输入：

• 给定一个数组$X[1..n]$，对于任意一对数组下标为$l,r(l\le r)$的非空子数组，其和记为$S(l,r)={\sum }_{i=l}^{r}X[i]$

输出：

• 求出$S(l,r)$的最大值，记为$S_{max}$

3. 枚举过程分析

​ 如果使用暴力枚举的话，需要两层枚举：

• 第一层：枚举位置$i$作为区间开头；
• 第二层：枚举位置$j$作为区间结尾。

​ 如果想要降低时间复杂度，就需要从两层枚举中舍弃掉一层。

​ 我们可以定义一个记号$D_i$，表示以$X[i]$开头的最大子数组，因此只要枚举出所有的$D_i$，就得到了最大子数组。先看一个案例。

4. 规律

4.1 规律观察

• 结尾位置相同

  • $D_1$, $D_2$, $D_3$
    • $D_2=X[2]+D_1$
    • $D_1=X[1]+D_2$

• 结尾位置不同

  • $D_3,D_4$
    • $D_3=X[3]$
    • $D_4<0$
    • 按照结尾位置相同的规律，$D_3$应该等于$X[3]$加$D_4$，但是$D_4$小于0，还不如直接等于$X[3]$效果好

4.2 规律描述

​ 设$D_i$为以$X[i]$开头的最大子数组和。

• 情况1：设$D_{i+1}>0$时，$D_i=X[i]+D_{i+1}$
• 情况2：设$D_{i+1}\le 0$时，$D_i=X[i]$

4.3 规律证明

• 情况1：
  • $D_{i+1}$：以$X[i+1]$开头的最大子数组和（$D_{i+1}>0$）
  • $S_{i+1}$：以$X[i+1]$开头的任一子数组和（$S_{i+1}\le D_{i+1}$）
  • 显然$X[i]+D_{i+1}\ge X[i]+S_{i+1}$，因此$D_i=X[i]+D_{i+1}$
  • 所以第一种情况成立
• 情况2：
  • $D_{i+1}$：以$X[i+1]$开头的最大子数组和（$D_{i+1}\le 0$）
  • $S_{i+1}$：以$X[i+1]$开头的任一子数组和（$S_{i+1}\le D_{i+1}$）
  • 显然$X[i]+S_{i+1}\le X[i]+D_{i+1}\le X[i]$，因此$D_i=X[i]$
  • 所以第二种情况成立

5. 动态规划

5.1 问题结构分析

• 给出问题表示：
  • $D[i]$：以$X[i]$开头的最大子数组和
• 明确原始问题
  • S m a x = m a x 1 ≤ i ≤ n { D [ i ] } S_{max}=max_{1 \leq i \leq n}\{D[i]\} Smax​=max1≤i≤n​{D[i]}

5.2 递推关系建立

5.2.1 分析最优（子）结构

• $D[i]$：以$X[i]$开头的最大子数组和
• 情况1：当$D[i+1]>0$时，$D[i]=X[i]+D[i+1]$
• 情况2：当$D[i+1]\le 0$时，$D[i]=X[i]$
• 分析递推关系，我们可以发现在情况一中，$D[i]$是依赖于$D[i+1]$的，$D[i]$和$D[i+1]$都是最大数组和，只不过$D[i+1]$的规模比$D[i]$小，所以大规模问题的最优解是依赖于小规模问题的最优解的，这就满足了动态规划最优子结构的性质。

5.2.2 构造递推公式

$$D[i]=\{\begin{array}{rcl}X[i]+D[i+1],& & ifD[i+1]>0\\ X[i],& & ifD[i+1]\le 0\end{array}$$

5.3 自底向上计算

• 初始化：$D[n]=X[n]$

• 递推公式：
  $$D[i]=\{\begin{array}{rcl}X[i]+D[i+1],& & ifD[i+1]>0\\ X[i],& & ifD[i+1]\le 0\end{array}$$

5.4 最优方案追踪

5.4.1 记录决策过程

• 构造追踪数组$Rec[1..n]$，$Rec[i]$记录以$X[i]$开头的最大子数组的结尾是第几位
  • 情况1：结尾相同
    • $Rec[i]=Rec[i+1]$
  • 情况2：结尾不同
    • $Rec[i]=i$

5.4.2 输出最优方案

• 从子问题中查找最优解
• 最大子数组开头位置$i$，结尾位置$Rec[i]$

6. 伪代码

Max-Continuous-Subarray-DP(X, n)

输入：数组X，数组长度n

输出：最大子数组和S_max，子数组起止位置l，r

// 初始化
D[n] ← X[n]
Rec[n] ← n
// 动态规划
for i ← n-1 to 1 do
	if D[i+1] > 0 then
		D[i] ← X[i] + D[i+1]
		Rec[i] ← Rec[i+1]
	end
	else
		D[i] ← X[i]
		Rec[i] ← i
	end
end
// 查找解
S_max ← D[1]
for i ← 2 to n do
	if S_max < D[i] then
		S_max ← D[i]
		l ← i
		r ← Rec[i]
	end
end
return S_max, l, r

​ 该算法的时间复杂度是$O(n)$。