01-复杂度1 最大子列和问题 (20分)

01-复杂度1 最大子列和问题 (20分)

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。

本题旨在测试各种不同的算法在各种数据情况下的表现。各组测试数据特点如下：

• 数据1：与样例等价，测试基本正确性；
• 数据2：102个随机整数；
• 数据3：103个随机整数；
• 数据4：104个随机整数；
• 数据5：105个随机整数；

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

 课程中给出了四种方法，第一种最最直白的暴力法复杂度达到O(N^3)

在PTA上是没法过题的。

第二种是对于它的一个很容易想到的优化 复杂度O(N^2)

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];
			MaxSum=(ThisSum>MaxSum)?ThisSum:MaxSum;
		}
	}
	return MaxSum;
}

 

 

第三种方法是用分治，通过递归不断缩小问题规模。复杂度O(NlogN)

很多原本O(N^2)都可以考虑通过分治进行优化到O(NlogN)

当规模只有一个数时，它大于零就取这个数，小于零就取零（抛弃这个数）。

需要注意的是不要忽视了二分后中间部分需要另外处理 。

代码实现是最有挑战性的：

int Max3( int A, int B, int C )
{ /* 返回3个整数中的最大值 */
    return A > B ? A > C ? A : C : B > C ? B : C;
}
 
int DivideAndConquer( int List[], int left, int right )
{ /* 分治法求List[left]到List[right]的最大子列和 */
    int MaxLeftSum, MaxRightSum; /* 存放左右子问题的解 */
    int MaxLeftBorderSum, MaxRightBorderSum; /*存放跨分界线的结果*/
 
    int LeftBorderSum, RightBorderSum;
    int center, i;
 
    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 */
    /* 递归求得两边子列的最大和 */
    MaxLeftSum = DivideAndConquer( List, left, center );
    MaxRightSum = DivideAndConquer( List, center+1, right );
 
    /* 下面求跨分界线的最大子列和 */
    MaxLeftBorderSum = 0; LeftBorderSum = 0;
    for( i=center; i>=left; i-- ) { /* 从中线向左扫描 */
        LeftBorderSum += List[i];
        if( LeftBorderSum > MaxLeftBorderSum )
            MaxLeftBorderSum = LeftBorderSum;
    } /* 左边扫描结束 */
 
    MaxRightBorderSum = 0; RightBorderSum = 0;
    for( i=center+1; i<=right; i++ ) { /* 从中线向右扫描 */
        RightBorderSum += List[i];
        if( RightBorderSum > MaxRightBorderSum )
            MaxRightBorderSum = RightBorderSum;
    } /* 右边扫描结束 */
 
    /* 下面返回"治"的结果 */
    return Max3( MaxLeftSum, MaxRightSum, MaxLeftBorderSum + MaxRightBorderSum );
}
 
int MaxSubseqSum3( int List[], int N )
{ /* 保持与前2种算法相同的函数接口 */
    return DivideAndConquer( List, 0, N-1 );
}

 

第四种是在线处理法，在一次遍历的过程中可以达到实时返回最大子序列的效果。

整个算法也只需要依次遍历即可。复杂度O(N)

int MaxSubseqSum4(int a[],int n)
{
	int ThisSum,MaxSum=0;
	for(int i=0;i<n;i++)
	{
		ThisSum+=a[i];
		if(ThisSum>MaxSum) MaxSum=ThisSum;
		else if(ThisSum < 0)  //如果当前子列和为负 
			ThisSum = 0; //不可能使后面的部分和增大，弃之 
	}
	return MaxSum;
}

最终的速度无疑是最快的

 这道题发在序章的最后一节，四种方法可以明显的感受到四种复杂度的速度差距。

虽然本题第四种方法是最好的，但是第二种第三种的优化思路都是值得学习的。