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{ N1, N2, ..., NK },“连续子列”被定义为{ Ni, Ni+1, ..., Nj },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。