求子数组的最大和

题目:

输入一个整形数组,数组里有正数也有负数。数组中连续的一个或多个整数组成一个子数组,每个子数组都有一个和。求所有子数组的和的最大值。要求时间复杂度为O(n)。

解题思路:

如果不考虑时间复杂度,我们可以枚举出所有子数组并求出他们的和。不过非常遗憾的是,由于长度为n的数组有O(n^2)个子数组;而且求一个长度为n的数组的和的时间复杂度为O(n),因此这种思路的时间是O(n^3)。

很容易理解,当我们加上一个正数时,和会增加;当我们加上一个负数时,和会减少。如果当前得到的和是个负数,那么这个和在接下来的累加中应该抛弃并重新清零,不然的话这个负数将会减少接下来的和。基于这样的思路,我们可以写出如下代码。

输入有一类特殊情况需要特殊处理:当输入数组中所有整数都是负数时,子数组和的最大值就是数组中的最大元素。本程序同时记录和最大子数组的下标范围,从0开始记起。

#include<iostream>
#include<vector>

using namespace std;

bool FindGreatestSumOfSubArray(vector<int> ivec, int &GreatestSum, int &j);

int main()
{
	vector<int> ivec;
	int num=0, GreatestSum=0,i=-1,j=-1;
	cout<<"Please input nums to form an array, (ctrl+z enter to finish)."<<endl;
	while(cin>>num)
		ivec.push_back(num);
	FindGreatestSumOfSubArray(ivec, GreatestSum,j);
	cout<<GreatestSum<<endl;
	//计算和最大子数组的下标(原数组从0开始记)
	for(i=0;i<=j;++i)
	{
		int sum=0;
		for(int temp=i;temp<=j;++temp)
			sum+=ivec[temp];
		if(sum==GreatestSum)
			break;
	}
	cout<<i<<" "<<j<<endl;

	return 0;
}

/*****************************************************************************/
bool FindGreatestSumOfSubArray(vector<int> ivec, int &GreatestSum, int &j)
{
	int currentSum=0,temp=0;
	if(ivec.begin()==ivec.end())
		return false;
	for(vector<int>::iterator it=ivec.begin();it != ivec.end();++it,++temp)
	{
		currentSum+=*it;
		// if the current sum is negative, discard it
		if(currentSum<=0)
			currentSum=0;
		// if a greater sum is found, update the greatest sum
		if(currentSum>GreatestSum)
		{
			GreatestSum=currentSum;
			j=temp;		//	记录和最大子数组的下标上限
		}
	}

	// if all data are negative, find the greatest element in the array
	if(GreatestSum==0)
	{
		GreatestSum=*(ivec.begin());
		j=temp=0;	//	记录和最大子数组的下标上限
		for(vector<int>::iterator it=ivec.begin();it != ivec.end();++it,++temp)
		{
			if(GreatestSum < *it)
			{
				GreatestSum=*it;
				j=temp;	//	记录和最大子数组的下标上限
			}
		}
	}
	return true;
}


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值