Max Subsequence Sum 最大子序列和问题 O(NlogN)与O(N)算法的对比

本文通过《数据结构与算法分析》中Max Subsequence Sum问题,对比了O(NlogN)和O(N)两种算法的效率。O(NlogN)算法采用分治思想,递归求解;O(N)算法通过遍历序列,动态更新最大子序列和。实验显示,对于1千万规模的数据,O(N)算法性能提升约26.32倍,验证了算法分析的预测。
摘要由CSDN通过智能技术生成

《数据结构与算法分析》里用Max Subsequence Sum作为例子,介绍了算法分析的基本方法。书上提出了4种解决Max Subsequence Sum问题的算法,算法效率各不相同:O(N^3)、O(N^2)、O(NlogN)以及O(N)。后面两种算法很讨巧,特别是O(N)算法。

O(NlogN)算法的思路:采用divide and conquer的方法,将序列平分为两部分,分别计算每部分的max subsequence sum,同时计算跨越两部分的max subsequence sum,取3个值中的最大值,则为整个序列的max subsequence sum。实现的时候,需要用到递归函数。

代码:

int mss_method3(int* arr, int start, int end)
{
	if(start == end)
		return (arr[start] > 0 ? arr[start] : 0);
	int mid = (start+end)/2;
	int max_left = mss_method3(arr, start, mid);
	int max_right = mss_method3(arr, mid+1, end);
	// mid subsequence
	int max_left_border = 0;
	int tmp_sum = 0;
	for(int i = mid; i >= start; i--)
	{
		tmp_sum += arr[i];
		if(tmp_sum > max_left_border)
			max_left_border = tmp_sum;
	}
	int max_right_border = 0;
	tmp_sum = 0;
	for(int i = mid &#
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值