最大子序列和问题的求解
本文给出求解最大子序列和问题的4个算法
声明:本文中的代码源于《数据结构与算法分析——C++语言描述(第四版)》,为便于回顾比较整理如下
问题描述
最大子序列和问题
给定(可能有负的)整数A1,A2,···,AN,求解 ∑ K = i j A i \sum_{K=i}^{j}A_i ∑K=ijAi 的最大值。(为方便起见,如果所有整数均为负数,则最大子序列的和为 0)。
例:
对于输入 -2,11,-4,13,-5,-2,答案为 20(从 A2 到 A4)。
算法1
穷举式地尝试所有的可能,运行时间为 O(N3)
/**
* 最大相连子序列和的立方级(即三次的)算法
*/
int maxSubSum1(const vector<int> & a)
{
int maxSum = 0;
for(int i = 0; i < a.size(); ++i)
for(int j = i; j < a.size(); ++j){
int thisSum = 0;
for(int k = i; k <= j; ++k)
thisSum += a[k];
if(thisSum > maxSum)
maxSum = thisSum;
}
return maxSum;
}
算法2,O(N2)
/**
* 最大相连子序列和的平方级(即二次的)算法
*/
int maxSubSum2(const vector<int> & a)
{
int maxSum = 0;
for(int i = 0; i < a.size(); ++i)
{
int thisSum = 0;
for(int j = i; j < a.size(); ++j)
{
thisSum += a[j];
if(thisSum > maxSum)
maxSum = thisSum;
}
}
return maxSum;
}
算法3:递归和相对复杂的 O(N log N)算法
分治(divide-and-conquer)策略:把问题分成两个大致相等的子问题,然后递归地对它们求解,这是“分”的部分。“治”阶段将两个子问题的解修补到一起并可能再做些小量的附加工作,最后得到整个问题的解。
最大子序列和可能在 3 处出现:或者整个出现在输入数据的左半部,或者整个出现在右半部,或者跨越输入数据的中部位于在左右两部分之间。前两种情况可以递归求解。第三种情况的最大和可以通过求出前半部分(包含前半部分最后一个元素)的最大和以及后半部分(包含后半部分第一个元素)的最大和而得到,然后将这两个加在一起。
/**
* 相连最大子序列和的递归算法
* 找出生成 [left..right] 的子数组中的最大和
* 不试图保留具体的最佳序列
*/
intmaxSumRec(const vector<int> & a, int left, int right)
{
if(left==right) //基准情形
if(a[left] > 0)
return a[left];
else
return 0;
int center = ( left + right ) / 2;
int maxLeftSum = maxSumRec(a, left, center);
int maxRightSum = maxSumRec(a, center, right);
int maxLeftBorderSum = 0, leftBorderSum = 0;
for(int i = center; i > left; --i)
{
leftBorderSum += a[i];
if(leftBorderSum > maxLeftBorderSum)
maxLeftBorderSum = leftBorderSum;
}
int maxRightBorderSum = 0, rightBorderSum = 0;
for(int j = center + 1; j <= right; ++j)
{
rightBorderSum += a[j];
if(rightBorder > maxRightBorderSum)
maxRightBorderSum = rightBorderSum;
}
return max3(maxLeftSum, maxRightSum, maxLeftBorderSum + maxRightBorderSum);
}
/**
* 相连最大子序列和分治算法的驱动程序
*/
int maxSubSum3(const vector<int> & a)
{
return maxSumRec( a, 0, a.size()-1);
}
算法4:线性时间算法
/**
* 线性时间最大相连子序列和算法
*/
int maxSubSum4(const vector<int> & a)
{
int maxSum = 0, thisSum = 0;
for(int j=0; j<a.size(); ++j)
{
thisSum += a[j];
if(thisSum > maxSum)
maxSum = thisSum;
else if(thisSum < 0)
thisSum = 0;
}
return maxSum;
}
该算法的一个附加优点:只对数据进行一次扫描,一旦 a[ i ] 被读入并被处理,它就不再需要被记忆。因此,如果数组再磁盘上或通过互联网传送,那么就可以被顺序读入,在主存中不必存储数组的任何部分。不仅如此,在任何时刻,算法都能对它已经读入的数据给出子序列问题的正确答案(其他算法不具有这个特性)。具有这种特性的算法叫作联机算法(on-line algorithm)。仅需要常量空间并以线性时间运行的联机算法几乎是完美的算法。