/*
Name:
Copyright: 最大m子段和问题
Author:
Date: 23-03-17 08:08
Description:
【问题描述】----最大m子段和问题
给定由 n个整数(可能为负整数)组成的序列a1,a2,a3,……,an,以及一个正整数 m,要求确定序列 a1,a2,a3,……,an的 m个不相交子段,
使这m个子段的总和达到最大,求出最大和。
算法思路:
经典的动态规划优化的问题。设f(i, j)表示前i个数划分成j段,且包括第i个数的最大m子段和,那么有dp方程:
f(i, j) = max { f(i - 1, j) + v[i], max {f(k, j - 1) + v[i]}(k = j - 1 ... i - 1) }
也就是说第i个数要么自己划到第j段,要么和前一个数一起划到第j段里面,转移是O(n)的,总复杂度O(n * n * m)。
算法1:int MaxMSubSum(int i, int j);//自顶向下的备忘录算法
设置一个备忘录数组b[M+1][N+1],b[i][j]表示把总长度为j的序列分成i个子段后,这i个子段的总和(其中第i个子段包含元素A[j-1])
利用原问题的递归关系,使用递归函数来求解。最后遍历b[M][j],找出最优解。
算法2:int MaxMSubSum_2(int m, int n);//自底向上的动态规划算法
从i=1开始,依次记录每一个b[i][j],最后获得最大规模的b[M][N]。
和算法1一样,最后遍历b[M][j],找出最优解。
算法3:int MaxMSubSum_3(int m, int n);//优化的动态规划算法
是对算法2的优化,算法2中用到的备忘录数组b[M+1][N+1]占空间较大,实际上下一行数据是利用上一行的数据生成的,
与更早的数据没有关系,于是可以用两个一维数组 maxSum[N+1] 和 curSum[N+1]代替b[M+1][N+1]。
最后写了一个函数 void PrintSubQue(int m, int n); //查找第i段连续子序列的左右边界,并输出这些子序列,
该函数需要用到备忘录数组b[M+1][N+1],故只能对算法1和算法2产生的结果有效。
*/
#include<iostream>
#include<string>
using namespace std;
int MaxMSubSum(int i, int j);//自顶向下的备忘录算法
int MaxMSubSum_2(int m, int n);//自底向上的动态规划算法
int MaxMSubSum_3(int m, int n);//优化的动态规划算法
void PrintSubQue(int m, int n); //查找第i段连续子序列的左右边界,并输出这些子序列
const int INF = -999999; //自定义的无穷小
const int M = 3;
const int N = 7;
int A[N] = {3, -2, 1, -3, 5, 2, -4};
//int A[N] = { -2, 11, -4, 13};
int b[M+1][N+1];
int main(int argc, char **argv)
{
for (int i=0; i<=M; i++)
{
for (int j=0; j<=N; j++)
b[i][j] = INF;
}
MaxMSubSum(M, N);
// MaxMSubSum_2(M, N);
int max = b[M][1];
for (int j=2; j<=N; j++)
{
if (b[M][j] > max)
max = b[M][j];
}
cout << max << endl;
PrintSubQue(M, N);
//max = MaxMSubSum_3(M, N);
// cout << max << endl;
system("pause");
return 0;
}
int MaxMSubSum(int i, int j)//备忘录算法
{
if (b[i][j] != INF)
return b[i][j];
if (i==0 || j==0)
{
b[i][j] = 0;
}
else
{
b[i][j] = MaxMSubSum(i, j-1) + A[j-1];
for (int t=i-1; t<j; t++)
{
if (b[i][j] < MaxMSubSum(i-1, t) + A[j-1])
b[i][j] = MaxMSubSum(i-1, t) + A[j-1];
}
}
return b[i][j];
}
int MaxMSubSum_2(int m, int n)//动态规划算法
{
for (int i=0; i<=m; i++)
b[i][0] = 0;
for (int j=0; j<=n; j++)
b[0][j] = 0;
for (int i=1; i<=m; i++)
{
for (int j=i; j<=n; j++)
{
b[i][j] = b[i][j-1] + A[j-1];
for (int t=i-1; t<j; t++)
{
if (b[i][j] < b[i-1][t]+A[j-1])
b[i][j] = b[i-1][t] + A[j-1];
}
}
}
return b[m][n];
}
int MaxMSubSum_3(int m, int n)//优化的动态规划算法
{
int maxSum[N+1] = {0}; //存储到maxSum[j]为止的最大值
int curSum[N+1] = {0}; //存储当前处理行包含A[j]的最大连续序列和
for (int i=1; i<=m; i++)
{
for (int j=i; j<=n; j++)
{
curSum[j] = curSum[j-1] + A[j-1];
if (maxSum[j-1] > curSum[j-1])
{
curSum[j] = maxSum[j-1] + A[j-1];
}
}
//更新preM[j],为处理下一行做准备
maxSum[i] = curSum[i];
for (int j=i+1; j<=n; j++)
{
maxSum[j] = (maxSum[j-1] > curSum[j]) ? maxSum[j-1] : curSum[j];
}
// cout << i << ": ";
// for (int j=1; j<=n; j++)
// cout << maxSum[j] << " ";
// cout << endl;
}
return maxSum[n];
}
void PrintSubQue(int m, int n)//查找第i段连续子序列的左右边界,并输出这些子序列
{
int L[M+1] = {0};
int R[M+1] = {0};
int max;
int left, right;
for (int i=m,j=n; i>0; i--,j=left-1)
{
max = b[i][j];
right = j;
for (int k=j; k>=i; k--) //查找第i段连续子序列和的最大值和对应右边界
{
if (b[i][k] > max)
{
max = b[i][k];
right = k;
}
}
left = right; //查找第i段连续子序列的左边界
while (b[i][left-1] > b[i-1][left-1] && left > 1)
{
left--;
}
L[i] = left;
R[i] = right;
}
for (int i=1; i<=m; i++) //输出m段子序列
{
cout << i << " : " << b[i][R[i]] << "(";
for (int j=L[i]; j<=R[i]; j++)
{
cout << A[j-1] << ", ";
}
cout << ")" << endl;
}
}