算法设计与分析--求最大子段和问题
问题描述:
给定由n个整数组成的序列(a1,a2, …,an),求该序列形如
的子段和的最大值,当所有整数均为负整数时,其最大子段和为0。
1 暴力
int maxSum(int a[],int n)
{
int maxSum = 0;
int sum = 0;
for(int i = 0; i < n; i++) //从第一个数开始算起
{
for(int j = i + 1; j < n; j++)//从i的第二个数开始算起
{
sum = a[i];
a[i] += a[j];
if(a[i] > sum)
{
sum = a[i]; //每一趟的最大值
}
}
if(sum > maxSum)
{
maxSum = sum;
}
}
return maxSum;
}
2分治法
从最大子段和问题的解的结构可以看出,它适合用分治法求解。
a[1:n]的最大子段和有三种情形:
(1) a[1:n]的最大子段和与a[1:n/2]的最大子段和相同。
(2) a[1:n]的最大子段和与a[n/2+1:n]的最大子段和相同。
(3) a[1:n]的最大子段和为 ,
且1≤i≤n/2, n/2+1≤j≤n。
其中(1)和(2)这两种情形可递归求得。
对于情形(3), a[n/2]与a[n/2+1]在最优子序列中,a[1:n]的最大子段和是a[1:n/2]的最大子段和与a[n/2+1:n]的最大子段和的和。
int maxSum(int a[],int left, int right)
{
int sum = 0;
if(left == right) //如果序列长度为1,直接求解
{
if(a[left] > 0) sum = a[left];
else sum = 0;
}
else
{
int center = (left + right) / 2; //划分
int leftsum = maxSum(a,left,center); //对应情况1,递归求解
int rightsum = maxSum(a, center + 1, right);//对应情况2, 递归求解
int s1 = 0;
int lefts = 0;
for(int i = center; i >= left; i--) //求解s1
{
lefts += a[i];
if(lefts > s1) s1 = lefts; //左边最大值放在s1
}
int s2 = 0;
int rights = 0;
for(int j = center + 1; j <= right; j++)//求解s2
{
rights += a[j];
if(rights > s2) s2 =rights;
}
sum = s1 + s2; //计算第3钟情况的最大子段和
if(sum < leftsum) sum = leftsum; //合并,在sum、leftsum、rightsum中取最大值
if(sum < rightsum) sum = rightsum;
}
return sum;
}
3. 最大子段和问题的动态规划算法
这个算法可以通过动态规划分解为两步:
1,计算辅助数组。
2,计算辅助数组的最大值。
辅助数组b[j]用来记录一j为尾的子段和集合中的最大子断和。
例如,假如有一序列:-2,11,-4,13,-5,-2
则
b(1) = -2 ,b(2) = 11, b(3) = 7, b(4) = 20, b(5) = 15, b(6) = 13
a(1) = -2, a(2) = 11, a(3) = 7, a(4) = 13, a(5) = -5, a(6) = -2
b(1) < 0 b(2) > 0 b(3) > 0 b(4) > 0 b(5) > 0 b(6) > 0
---->
{ b(j - 1) + a(j) 当b(j-1) >= 0
b(j) = {
{a(j) 当b(j-1) < 0
for(i=1;i<=n;i++)
{
scanf("%d",&a[i]);
}
int b=0;
for(i=1;i<=n;i++)
{
if(b<0)
b=a[i];
else
b=b+a[i];
if(b>sum)
sum=b;
}
for(i=0;i<n;i++)
{
scanf("%d",&a[i]);
}
int b=0;
for(i=0;i<n;i++)
{
b+=a[i];
if(b<0)
b=0;
if(b>sum)
sum=b;
}