Description
有一个包含正数和负数的二维数组。一个子矩阵是指在该二维数组里,任意相邻的下标是
1 x 1
或更大的子数组。一个子矩阵的和是指该子矩阵中所有元素的和。本题中,把具有最大和的子矩阵称为最大子矩阵。
例如,如下数组的最大子矩阵位于左下角,
0 -2 -7 0
9 2 -6 2
-4 1 -4 1
-1 8 0 -2
最大子矩阵为
9 2
-4 1
-1 8
其和为15。
Input
第一行是一个测试数据的个数T,表示将会有T组测试数据。下一行输入一个正整数N,表示二维方阵的大小。接下来是N2个整数(由空格和换行隔开)。该数组的N2个整数,是以行序给出的。也就是,先是第一行的数,由左到右;然后是第二行的数,由左到右,等等。N可能达到100,数组元素的范围是[-127,127]。
Output
与测试数据对应,刚好有T行,每行输出最大子矩阵的和。
Sample Input
2 4 0 -2 -7 0 9 2 -6 2 -4 1 -4 1 -1 8 0 -2 3 3 9 -5 -9 4 -2 3 6 -7
Sample Output
15 16
So……这是开学以来做的第一个DP类问题了,以前学的东西现在忘得只能记得名字了,也是醉了……
回归正题,我首先想到的方法是穷举所有情况,来算一下————确定第一个坐标要用O(n^2),确定第二个坐标也是O(n^2),计算并存储最大值是O(n^2),总复杂度是O(n^6)——这闹呢!貌似校内OJ的数据挺弱的,这样也能解出来,但是指望用穷举解这一类题是肯定不行的。
要想有效的降低复杂度,解决办法就是用动态规划。So……How to use dynamic programming?让我们先来看另外的一个问题(最大子段和问题):
给定一个长度为n的一维数组a,请找出此数组的一个子数组,使得此子数组的和sum=a[i]+a[i+1]+……+a[j]最大,
其中i>=0,i<n,j>=i,j<n,例如
31 -41 59 26 -53 58 97 -93 -23 84
子矩阵59+26-53+58+97=187为所求的最大子数组。第一种方法-直接穷举法:
第二种方法-带记忆的递推法:maxsofar=0; for i = 0 to n { for j = i to n { sum=0; for k=i to j sum+=a[k] if (maxsofar>sum) maxsofar=sum; } }
cumarr[0]=a[0] for i=1 to n //首先生成一些部分和 { cumarr[i]=cumarr[i-1]+a[i]; } maxsofar=0 for i=0 to n { for j=i to n //下面通过已有的和递推 { sum=cumarr[j]-cumarr[i-1] if(sum>maxsofar) maxsofar=sum } }
显然第二种方法比第一种方法有所改进,时间复杂度为O(n*n)。
下面我们来分析一下最大子段和的子结构,令b[j]表示从a[0]~a[j]的最大子段和,b[j]的当前值只有两种情况,(1) 最大子段一直连续到a[j] (2) 以a[j]为起点的子段,不知有没有读者注意到还有一种情况,那就是最大字段没有包含a[j],如果没有包含a[j]的话,那么在算b[j]之前的时候我们已经算出来了,注意我们只是算到位置为j的地方,所以最大子断在a[j]后面的情况我们可以暂时不考虑。
由此我们得出b[j]的状态转移方程为:b[j]=max{b[j-1]+a[j],a[j]},
所求的最大子断和为max{b[j],0<=j<n}。进一步我们可以将b[]数组用一个变量代替。
得出的算法如下:int maxSubArray(int n,int a[]) { int b=0,sum=-10000000; for(int i=0;i<n;i++) { if(b>0) b+=a[i]; else b=a[i]; if(b>sum) sum=b; } return sum; }
这就是第三种方法-动态规划。现在回到我们的最初的最大子矩阵的问题,这个问题与上面所提到的最大子断有什么联系呢?
假设最大子矩阵的结果为从第r行到k行、从第i列到j列的子矩阵,如下所示(ari表示a[r][i],假设数组下标从1开始):
| a11 …… a1i ……a1j ……a1n |
| a21 …… a2i ……a2j ……a2n |
| . . . . . . . |
| . . . . . . . |
| ar1 …… ari ……arj ……arn |
| . . . . . . . |
| . . . . . . . |
| ak1 …… aki ……akj ……akn |
| . . . . . . . |
| an1 …… ani ……anj ……ann | 那么我们将从第r行到第k行的每一行中相同列的加起来,可以得到一个一维数组如下:
(ar1+……+ak1, ar2+……+ak2, ……,arn+……+akn)
由此我们可以看出最后所求的就是此一维数组的最大子断和问题,到此我们已经将问题转化为上面的已经解决了的问题了。最后,上代码!
补充:另外一种算法,也可以A#include <iostream> using namespace std; int ** a; int **sum; int max_array(int *a,int n) { int *c = new int [n]; int i =0; c[0] = a[0]; for(i=1;i<n;i++) { if(c[i-1]<0) c[i] = a[i]; else c[i] = c[i-1]+a[i]; } int max_sum = -65536; for(i=0;i<n;i++) if(c[i]>max_sum) max_sum = c[i]; delete []c; return max_sum; } int max_matrix(int n) { int i =0; int j = 0; int max_sum = -65535; int * b = new int [n]; for(i=0;i<n;i++) { for(j=0;j<n;j++) b[j]= 0; for(j=i;j<n;j++)//把数组从第i行到第j行相加起来保存在b中,在加时,自底向上,首先计算行间隔(j-i) //等于1的情况,然后计算j-i等于2的情况,一次类推,在小间隔的基础上一次累加,避免重复计算 { for(int k =0;k<=n;k++) b[k] += a[j][k]; int sum = max_array(b,n); if(sum > max_sum) max_sum = sum; } } delete []b; return max_sum; } int main() { int n; cin >> n; a = new int *[n]; sum = new int *[n]; int i =0; int j =0; for(i=0;i<n;i++) { sum[i] = new int[n]; a[i] = new int[n]; for(j=0;j<n;j++) { cin>>a[i][j]; sum[i][j] =0 ;//sum[r][k]表示起始和结尾横坐标分别为r,k时的最大子矩阵 //sum[r][k] = max{sum (a[i][j]):r<=i<=k}:0<=k<=n-1 } } /* int b[10]={31,-41,59,26,-53,58,97,-93,-23,84}; cout << max_array(b,10) << endl; */ cout << max_matrix(n); }
#include<iostream> #include<stdio.h> #include<cstring> using namespace std; int map[200][200]; int f[200]; int n,ans; int a[200]; void readdata() { memset(a,0,sizeof(f)); memset(a,0,sizeof(a)); n=ans=0; scanf("%d\n",&n); int i,j; for(i=1; i<=n; i++) for(j=1; j<=n; j++) scanf("%d",&map[i][j]); } void work() { int i,j,q,tem,m,k; for(i=1; i<=n; i++) for(j=1; j<=n-i+1; j++) { for(q=1; q<=n; q++) { tem=0; for(k=i; k<=i+j-1; k++) tem+=map[k][q]; a[q]=tem; } for(q=0; q<=n; q++) f[q]=0; f[1]=a[1]; if(f[1]>ans) ans=f[1]; for(m=2; m<=n; m++) { f[m]=a[m]>f[m-1]+a[m] ? a[m]:f[m-1]+a[m]; if(f[m]>ans) ans=f[m]; } } } void print() { printf("%d\n",ans); } int main() { int z; scanf("%d",&z); for(int i=1;i<=z;i++) { readdata(); work(); print(); } return 0; }