Maximum Subarray
要在一个数组中找出一个最大子数组,最直观的想法就是尝试所有可能的情况,从所有的子数组中找出和最大的子数组。这种方法的时间复杂度较高,下面采用分治算法来进行求解。
分治算法主要有三个步骤:
分解:将问题分解为一些子问题,子问题的形式与原问题一样,但规模更小;
解决:递归的求解子问题,如果子问题规模足够小,则停止递归;
合并:将子问题的解组合成原问题的解。
假如我们要寻找数组A[low...high]的最大子数组,利用分治策略,将子数组分解为规模尽量接近的两个子数组,比如在数组中间mid进行分解,分成A[low...mid]和A[mid...high],再求解子数组的最大子数组。A[low...high]的最大子数组只有下面三种情况:
1.完全位于左子数组;
2.完全位于右子数组;
3.跨越中点。
下面是牛客网上的一道求最大子数组和的题:
HZ偶尔会拿些专业问题来忽悠那些非计算机专业的同学。今天测试组开完会后,他又发话了:在古老的一维模式识别中,常常需要计算连续子向量的最大和,当向量全为正数的时候,问题很好解决。但是,如果向量中包含负数,是否应该包含某个负数,并期望旁边的正数会弥补它呢?例如:{6,-3,-2,7,-15,1,2,2},连续子向量的最大和为8(从第0个开始,到第3个为止)。你会不会被他忽悠住?(子向量的长度至少是1)
class Solution {
public:
int FindGreatestSumOfSubArray(vector<int> array) {
int low = 0;
int high = array.size() - 1;
return FindMaximunSubarray(array, low, high);
}
int FindMaximunSubarray(vector<int> array, int low, int high){
if(low == high){
return array[low];
}
else{
int mid = (low + high) / 2;
int leftSum = FindMaximunSubarray(array, low, mid);
int rightSum = FindMaximunSubarray(array, mid + 1, high);
int midSum = FindMaxCrossingSumOfSubArray(array, low, mid, high);
if(leftSum > rightSum){
if(leftSum > midSum) return leftSum;
else return midSum;
}
else if(rightSum > midSum) return rightSum;
else return midSum;
}
}
int FindMaxCrossingSumOfSubArray(vector<int> array, int low, int mid, int high){
int left_sum = array[mid - 1];
int sum = 0;
int right_sum = array[mid + 1];
int maxLeft = mid;
int maxRight = mid;
for(int i = mid - 1; i >= low; i--){
sum = sum + array[i];
if(sum > left_sum){
left_sum = sum;
maxLeft = i;
}
}
sum = 0;
for(int j = mid + 1; j <= high; j++){
sum = sum + array[j];
if(sum > left_sum){
right_sum = sum;
maxRight = j;
}
}
sum = left_sum + right_sum + array[mid];
return sum;
}
};
通过的运行时间是3ms,运行内存是496K。看到排行榜好多时间内存都比我少的,看了看别人的代码,用的是动态规划。这样的话就只需要遍历整个数组一次,效率大大提高了。
class Solution {
public:
int FindGreatestSumOfSubArray(vector<int> array) {
int cursum=array[0];
int maxsum=array[0];
for(int i=1;i<array.size();i++){
cursum+=array[i];
if(cursum<array[i])
cursum=array[i];
if(cursum>maxsum)
maxsum=cursum;
}
return maxsum;
}
};
在网上看到一个写得很详细的博客:http://blog.csdn.net/liu2012huan/article/details/51296635