子矩阵最大和——程序设计艺术与方法实验四 动态规划算法的实现

子矩阵最大和——程序设计艺术与方法实验四 动态规划算法的实现

首先将问题分为一个简单的子问题：对于长度为n的数组num[N],求解其最大的连续子段和
分析
规划规划矩阵dp[i]，dp[i]表示以num[i]作为结尾元素时的最大字段和。
则有如下状态转移方程：
d p [ i ] = m a x { d p [ i − 1 ] + n u m [ i ] , n u m [ i ] }
因为要满足n u m [ i ]作为最后一个元素，因此只会存在两种情况:
①继续累加d p [ i ] = d p [ i − 1 ] + n u m [ i ]。
②另起炉灶d p [ i ] = n u m [ i ]显然只有当dp[i-1]<0时才会考虑该种情况。
定义完以上的转移方程之后，最后的答案就是max d p [ i ]
因为dp[i]包含了以所有元素作为结尾的所有子段和，所以只需要取里面的最大值就完事了！

有了上面的最大子段和，就可以将子矩阵的最大和向它转化
将矩阵存入二维数组中，将二维数组第 i 行到第 j 行相同列的元素加起来，然后再当作一维数组来求解；
即第i行到第j行的每一列的对应元素和储存在dp数组里,然后再对dp数组求最大子段即可,当然i是要从0行到n行,j从第i行到第n行,两个for循环控制就可,内层第三个for循环用来进行求最大子段.对数组dp计算最大子段和，这就将二维动态规划转化为一维动态规划。

代码：

#include<bits/stdc++.h>
using namespace std;
//输入一个矩阵，计算所有的子矩阵中和的最大值。 
//例如，输入 0 - 2 - 7 0 9 2 - 6 2 - 4 1 - 4 1 - 1 8 0 - 2 输出为：15 思考：
//当矩阵很大时，比如 100 * 100 的矩阵，你的程序还能够很快的得出结果吗，
//如果不能，请思考如何用动态规划的思想解决。
/*
思路：
简化一维：最大子数组（-3,4,-1,2,1,-5）
线性dp问题 状态转移方程
dp[i] = max(dp[i-1]+nums[i],num[i])

从左向右线性扫描(一维数组)
时间复杂度： O(r^2*c)
空间复杂度： O(r*c)

将多行压缩为一行
*/
#define M 105
int colLeft1, colRight1, colLeft, colRight, rowLeft, rowRight;
//对求最大子段和，并记录下最大字段的起始位置和终止位置
int maxSubArr(int a[], int n) {
    int maxSum = 0, temp = a[1], begin = 1, end = 1;
    for (int i = 2; i <= n; i++) {
        if (temp > 0) {
            temp += a[i];
            end = i;//刷新终止位置
        }
        else {
            temp = a[i];
            begin = end = i;//重置起始位置和终止位置
        }
        if (temp > maxSum) {//记录下最后的结果，也就是最大值，列序号
            maxSum = temp;
            colLeft1 = begin;
            colRight1 = end;
        }
    }
    return maxSum;
}
int main67() {
    int n, m, matrix[M][M], dp[M];
    cout << "请输入矩阵的行列数：";
    cin >> n >> m;
    //输入矩阵
    cout << "请依次输入矩阵各数：" << endl;
    for (int i = 1; i <= n; i++)
        for (int j = 1; j <= m; j++)
            cin >> matrix[i][j];
    int sum, maxVal = 0;
    for (int left = 1; left <= n; left++) {
        for (int k = 1; k <= m; k++)
            dp[k] = 0;//重置为0，这一步非常关键
        for (int right = left; right <= n; right++) {
            for (int k = 1; k <= m; k++)
                dp[k] += matrix[right][k];//从开始行到结束行进行压缩，压缩成一行
            sum = maxSubArr(dp, m);//求出这一行数据的最大子段和
            if (sum > maxVal) {//刷新所要求的结果
                maxVal = sum;
                rowLeft = left;
                rowRight = right;
                colLeft = colLeft1;
                colRight = colRight1;
            }
        }
    }
    cout << "该矩阵最大子矩阵的和为：" << maxVal << endl;
    cout << "该矩阵最大子矩阵是：" << endl;
    for (int i = rowLeft; i <= rowRight; i++) {
        for (int j = colLeft; j <= colRight; j++)
            cout << matrix[i][j] << ' ';
        cout << endl;
    }
    return 0;
}

运行结果：