书中用求解最大子序列和的方式介绍了分治算法(divide-and-conquer)
分治算法是一种相对快速的算法 运行时间为O(logN)
最大子序列和的问题如下:
给出一组整数
A1
A2
…
AN
求
∑jk=i
Ak
若所有整数均为负 则最大子序列和为0
e.g. 输入-2, 11,-4, 13, -5, -2 输出20(
A2
到
A4
)
分治算法就如同字面描述的一样 先分再治
分 指的是将问题分为两部分几乎相同的子问题 进行递归求解
治 指的是将 分 的解通过简单的手段合并 得到最终解
对于上述例子 可以把数列分成两个部分:
-2, 11, -4(后文称为Left部分) 和 13, -5, -2(后文称为Right部分)
这样最大子序列的和的出现就有3种情况(在程序中需要分别求的)
- 全部出现在Left部分中
- 全部出现在Right部分中
- 一部分在Left部分中 另一部分在Right部分中
对于第三种特殊情况 可以求包含Left部分最后一个元素和Right部分第一个元素的子序列和 这样Left部分和Right部分就链接到了一起
接下来解决递归问题
- 为了处理递归输入 函数需要接收左右边界的位置 那么第一次调用函数时传入的左右边界就是0和N-1了
最重要的是基本情况:当左右边界相同时 返回这个重叠位置的元素(当然前提是大于零的时候)
大体就是这样
上代码
#include <stdio.h>
int imax (int a, int b, int c)
{
return (a>b?a:b)>c?(a>b?a:b):c;
}
static int MaxSubSum(const int A[], int Left, int Right)
{
if (Left == Right)
{
if (A[Left] > 0)
return A[Left];
else
return 0;
}
int Center = (Left + Right) / 2;
int MaxLeftSum = MaxSubSum(A, Left, Center); //1
int MaxRightSum = MaxSubSum(A, Center+1, Right); //2
int MaxLeftBorderSum = 0, LeftBorderSum = 0; //3
for (int i = Center; i >= Left; i--)
{
LeftBorderSum += A[i];
if (LeftBorderSum > MaxLeftBorderSum)
MaxLeftBorderSum = LeftBorderSum;
}
int MaxRightBorderSum = 0, RightBorderSum = 0;
for (int i = Center+1; i <= Right; i++)
{
RightBorderSum += A[i];
if (RightBorderSum > MaxRightBorderSum)
MaxRightBorderSum = RightBorderSum;
} //4
return imax(MaxLeftSum, MaxRightSum, MaxLeftBorderSum + MaxRightBorderSum);
}
int MaxSubSequenceSum(const int A[], int N)
{
return MaxSubSum(A, 0, N - 1);
}
int main()
{
int A[] = {-2, 11, -4, 13, -5, -2};
printf("%d\n", MaxSubSequenceSum(A, sizeof(A)/sizeof(A[0])));
return 0;
}
1是求全部出现在Left部分中的情况
2是求全部出现在Right部分中的情况
3~4就是求第三种情况
最后再比较一下找到最大值
书上说
程序短并不意味着程序好
这个程序的优点就是 快