数据结构 PAT 01-复杂度1 最大子列和问题

01-复杂度1 最大子列和问题

给定K个整数组成的序列{ N​1​​, N​2​​, ..., N​K​​ }，“连续子列”被定义为{ N​i​​, N​i+1​​, ..., N​j​​ }，其中 1≤i≤j≤K。“最大子列和”则被定义为所有连续子列元素的和中最大者。例如给定序列{ -2, 11, -4, 13, -5, -2 }，其连续子列{ 11, -4, 13 }有最大的和20。现要求你编写程序，计算给定整数序列的最大子列和。

输入格式:

输入第1行给出正整数K (≤100000)；第2行给出K个整数，其间以空格分隔。

输出格式:

在一行中输出最大子列和。如果序列中所有整数皆为负数，则输出0。

输入样例:

6
-2 11 -4 13 -5 -2

输出样例:

20

#include <stdio.h>
// 三个整数的最大值
int Max3(int a, int b, int c)
{
    return a>b ? (a>c ? a:c):(b>c ? b:c);
}

/* 分治法求List[left]到List[right]的最大子列和 */
int DivideAndConquer( int List[], int left, int right )
{
    int maxLeftSum, maxRightSum; // 存放左右子问题的解
    int maxLeftBorderSum, maxRightBorderSum; // 存放跨分界线的解
    int thisLeftBorderSum, thisRightBorderSum; // 当前跨分界线的解
    int center;
    
// 递归的出口
    if (left == right) /* 递归的终止条件，子列只有1个数字 */
    {
        if (List[left] > 0)
            return List[left];
        else
            return 0;
    }
    
// 下面是分的过程
    center = (left + right) / 2; // 找到中分点
    // 递归求两边子列的最大和
    maxLeftSum = DivideAndConquer(List, left, center);
    maxRightSum = DivideAndConquer(List, center+1, right);
    
    /* 下面求跨分界线的最大子列和 */
    // 从中分点往左扫描
    thisLeftBorderSum = 0, maxLeftBorderSum = 0;
    for (int i = center; i>=left; i--)
    {
        thisLeftBorderSum += List[i];
        if (thisLeftBorderSum > maxLeftBorderSum)
            maxLeftBorderSum = thisLeftBorderSum;
    } // 左边扫描结束
    
    // 从中分点往左扫描
    thisRightBorderSum = 0, maxRightBorderSum = 0;
    for (int i = center+1; i<=right; i++)
    {
        thisRightBorderSum += List[i];
        if (thisRightBorderSum > maxRightBorderSum)
            maxRightBorderSum = thisRightBorderSum;
    } // 左边扫描结束
    
// 下面返回"治"的结果
    return Max3(maxLeftSum, maxRightSum, maxLeftBorderSum + maxRightBorderSum);
}

// 1，分治法，NLogN的时间复杂度
int MaxSubseqSum1(int a[], int n)
{
    return DivideAndConquer(a, 0, n-1);
}

// 2，循环，N平方的时间复杂度
int MaxSubseqSum2(int a[], int n)
{
    int thisSum, maxSum = 0;
    for (int i = 0; i < n; i++)
    {
        thisSum = 0;
        for (int j = i; j<n; j++)
        {
            thisSum += a[j];
            if (thisSum>maxSum)
                maxSum = thisSum;
        }
    }
    return maxSum;
}

// 3. 在线处理，N的时间复杂度
int MaxSubseqSum3(int a[], int n)
{
    int thisSum, maxSum;
    thisSum = 0, maxSum = 0;
    for (int i = 0; i < n; i++)
    {
        thisSum += a[i]; // 向右累加
        if (thisSum > maxSum)
            maxSum = thisSum; // 发现更大和则更新当前结果
        else if(thisSum < 0) // 如果当前子列和为负
            thisSum = 0; // 置为0，重新向右累加
    }
    return maxSum;
}

int main()
{
    int K;
    scanf("%d", &K);
    int A[K];
    for (int i = 0; i<K; i++)
        scanf("%d", &A[i]);
    printf("%d\n", MaxSubseqSum3(A,K));
    return 0;
}