参考:姥姥的数据结构课
问题:
求一个数列中最大子列和(子列中的元素在数列中互相挨着,空列也属于子列)
基础解法(傻瓜方法):
时间复杂度:O(n^3)
一般我们看到问题首先想到的肯定是遍历。反正我一般想到的第一个是这样,而一般这种方法也不会是最简单的方法。
int MaxSubseqSum(int a[], int n){
int this_sum;
int max_sum = 0;
for(int i = 0; i < n; i ++) //i是每一次子数列的起点
for(int j = i; i < n; j ++){ //j是每一次子数列的终点
this_sum = 0; //初始化子数列的和
for(int k = i; k <= i; k ++) //遍历子数列
this_sum += a[k];
if(this_sum > max_sum) //如果当前子数列和大于最大的,更新最大子数列和
max_sum = this_sum;
}
return max_sum;
}
基础方法简化
时间复杂度:O(n^2)
int MaxSubseqSum(int a[], int n){
int this_sum;
int max_sum = 0;
for(int i = 0; i < n; i ++) //i是每一次子数列的起点
this_sum = 0; //初始化子数列的和
for(int j = i; i < n; j ++){ //j是每一次子数列的终点
this_sum += a[j]; //每次读取一个数据,更新子数列和
if(this_sum > max_sum) //如果当前子数列和大于最大的子列和的,更新最大子数列和
max_sum = this_sum;
}
return max_sum;
}
分而治之的方法
时间复杂度:O(nlogn)
这里我不得不说句感慨:分而治之真是人类最伟大的思想之一
//求三个整数中的最大值
int MaxOf3(int a, int b, int c){
return a> (b > c ? b : c )? a : (b > c ? b : c );
}
/*
left:数列的最左端
right:数列的最右端
递归实现
求三个部分:左半部,右半部,跨过中间的
*/
int Partition(int a[], int left, int right){
if(left == right)
if(a[left] > 0)
return a[left];
else return 0;
int left_sum = 0;
int right_sum = 0;
int left_max_sum = 0;
int right_max_sum = 0;
//得到以中间位置为起点的左边子列的最大和,并不是左半部最大子列和
for(int i = (left+right)/2; i >= 0; i --){
left_sum += a[i];
if(left_sum > left_max_sum)
left_max_sum = left_sum;
}
//得到以中间位置为起点的右边子列的最大和
for(int i = (left+right)/2 +1; i <= right; i ++){ //!忘记+1出现错误
right_sum += a[i];
if(right_sum > right_max_sum)
right_max_sum = right_sum;
}
return MaxOf3(Partition(a, left, (right+left)/2),
Partition(a, (right+left)/2 + 1, right), left_max_sum+right_max_sum); //忘记+1出现错误
}
int MaxSubseqSum(int a[], int n){
return Partition(a,0,n-1);
}
在线处理法:
时间复杂度:O(n)
为什么感觉每一个算法都有特别简单的解法???
对于该算法,我的理解是这样的:
一个子列想要变大,那么它必须加上左边或右边的一个>0的子列。如果从数列的开头开始遍历,那么子列小于零就对于成就最大子列没有任何用处,舍弃;相反子列>0就一定有用处,保留。
int MaxSubseqSum(int a[], int n){
int this_sum = 0;
int max_sum = 0;
for(int i = 0; i < n; i ++){
this_sum += a[i];
if(this_sum > max_sum)
max_sum = this_sum;
else if(this_sum < 0)
this_sum = 0;
}
return max_sum;
}