一、算法设计
1、问题描述:输入具有n个浮点数的向量x,输出是输入向量的任何连续子向量中的最大和。
有效解决方法:
(1)分治算法:要解决规模为n的问题,可递归得解决两个规模近似为n/2的子问题,然后对他们的答案进行合并以得到整个问题的答案。
代码如下,最大子向量要么整个在a中,要么整个在b中,要么跨越a和b之间的边界。跨越a和b 的边界时,其最大子向量在a中的部分包含右边界的最大子向量,在b中的部分包含左边界的最大子向量。算法复杂度为O(nlogn)。
float maxsum3(l, u)
if (l > u) return 0
if (l == u ) return max(0, x[l])
m = (l + u) / 2
lmax = sum = 0
for (i = m; i >= l; i--)
sum += x[i]
lmax = max (lmax, sum)
rmax = sum = 0
for i = (m, u]
sum += x[i]
rmax = max (rmax, sum)
return max(lmax+rmax, maxsum(l, m), maxsum3(m+1, u))
(2)一个O(n)复杂度的算法,从最左端(元素 x[0])开始,一直扫描到最右端(元素 x[n-1]),记下所碰到过的最大总和子数组。最大值初始为0.假设已经解决了针对 x[0..i-1] 的问题,现在需要拓展到 x[i] 中。可以使用类似分治法中的道理,前 i 个元素中,最大总和子数组要么在 i-1 个元素中(存储在 maxsofar 中),要么截止到位置 i(存储在 maxendinghere中)。算法代码更加简短,但是运行起来是最快的,运行时间是O(n),已经是线性算法。源代码如下:
float max_subvector5(float array[], int length)
{
int i;
float maxsofar = 0, maxendinghere = 0;
for(i = 0; i < length; i ++)
{
maxendinghere = (maxendinghere + x[i]) > 0 ? maxendinghere : 0;
maxsofar = maxsofar > maxendinghere ? maxsofar : maxendinghere;
}
return maxsofar;
}
二、总结
本章故事中的这些算法给出了几个重要的算法设计技术:
1、保存状态,避免重复计算。通过使用一些空间来保存中间计算结果,我们避免了花时间来对其重复计算。
2、将信息预处理到数据结构中。
3、分治算法。
4、扫描算法。与数组相关的问题经常可以通过思考“如何将x[0...i-1]的解扩展为x[0...i]地解来解决。
5、累积。
6、下界。确定相匹配的下界。
三、习题
1、习题10:假设我们要查找的是总和最接近0的子向量,而不是具有最大总和的子向量,则如何设计算法?若查找总和最接近某一个给定实数t的子向量呢?
解答:初始化累积数组cum,使得cum[i] = x[0] + ... + x[i]。如果cum[l-1] = cum[u],那么子向量x[l...u]之和就为0.所以可以通过定位cum中最接近的两个元素来找出和最接近零的子向量,可通过排序累积数组并比较相邻元素间的大小从而得到结果。找最接近某一特定值的算法类似这样。
2、习题13:在最大子数组问题中,给定m*n的实数数组,我们需要求出矩形子数组的最大总和。该问题的复杂度如何?
解答:可以在长度为m的维度上使用平方复杂度的算法,而在长度为n的维度上使用线性算法。可以在O(m^2*n)的时间复杂度内解决m*n问题。代码如下所示:
float max_subarr(float **array, int row, int col)
{
int i, j, k;
float *vector, max = 0, maxsofar, maxendinghere;
assert(row > 0 && col > 0);
vector = (float *) malloc(col * sizeof(float));
assert(vector != NULL);
printf("the array :\n");
for( i = 0; i < row; i ++)
{
memset(vector, 0, col * sizeof(float));//初始化为0
for( j = i; j < row; j ++)
{
//vector[k]的值为行i至行j的第k列元素之和,把二维问题转化为一维问题。
for(k = 0; k < col; k ++)
vector[k] += array[j][k];//vector[k] = array[i][k] + array[i + 1][k] + ... + array[j][k],
maxsofar = vector[0];
maxendinghere = 0;
for(k = 0; k < col; k ++)
{
maxendinghere = (maxendinghere + vector[k]) > 0 ? (maxendinghere + vector[k]) : 0;
maxsofar = maxsofar > maxendinghere ? maxsofar : maxendinghere;
}
max = max > maxsofar ? max : maxsofar;
}
}
return max;
}