题目要求:给定一个数序列,计算出其子序列和的最大值
输入样例:4 -3 5 -2 -1 2 6 -2
输出样例:11
一、穷举法
我们最容易想到的是穷举法,就是将所有可能的情况列举出来然后比较得到最大的那个,如下:
int MaxSubsequenceSum(int a[] , int n)
{
int thisSum, maxSum, i, j, k;
maxSum = 0;
for(i=0; i < n; i++)
{
for(j=i; j < n; j++)
{
thisSum = 0;
for(k=i; k <= j; k++)
thisSum += a[k];
if(thisSum > maxSum)
maxSum = thisSum;
}
}
return maxSum;
}
这个是最容易想的一种算法,但是其时间复杂度是O(n^3),主要在于我们在穷举的时候,在那些不是最大子序列和的项上浪费的时间太多了,所以就导致了时间复杂度达到了(n^3)的级别,那么我们接下来就要想方法把那些项去掉
二、升级版穷举法
观察上面代码,我们发现最内层循环求和我们可以在列举时顺带求解,就不用每次求从 j 到 i 的各项和了,而是从 i 开始,逐次加上后一项,一直到数组的最后一项,如果在过程中加了一项之后和是最大的我们就保存下来,这样同样可以达到上面算法的目的
int MaxSubsequenceSum(int a[] , int n)
{
int thisSum, maxSum, i, j;
maxSum = 0;
for(i=0; i < n; i++)
{
thisSum = 0;
for(j=i; j < n; j++)
{
thisSum += a[j];
if(thisSum > maxSum)
maxSum = thisSum;
}
}
return maxSum;
}
该算法时间复杂度是O(n^2),它将上一个算法每一步都从头开始算改成了从当前位置往后算,由此将时间复杂度降了一阶,然而当数组变得庞大,(n^2)的复杂度依旧很可怕,我们继续寻找更加快速的算法
三、分治算法
分治算法在求解大规模的问题时经常是很好用的一种算法,其想法是把问题分成若干个规模更小的同类问题,然后递归地求解,最后将求得的结果合在一起即可得到整个问题的解,在这里同样我们可以将这个数组分成左右两个规模更小的数组
int maxSubSum(int a[], int left, int right)
{
int maxLeftSum, maxRightSum;
int maxLeftBorderSum, maxRightBorderSum;
int leftBorderSum, rightBorderSum;
int center, i;
if(left == right) //中间位置
if(a[left] > 0)
return a[left];
else
return 0;
center = (left + right) / 2;
maxLeftSum = maxSubSum(a, left, center); //递归分治
maxRightSum = maxSubSum(a, center+1, right); //递归分治
maxLeftBorderSum = 0;
leftBorderSum = 0;
for(i = center; i >= left; i--)
{
leftBorderSum += a[i];
if(leftBorderSum > maxLeftBorderSum)
maxLeftBorderSum = leftBorderSum;
}
maxRightBorderSum = 0;
rightBorderSum = 0;
for(i = center+1; i <= right; i--)
{
rightBorderSum += a[i];
if(rightBorderSum > maxRightBorderSum)
maxRightBorderSum = rightBorderSum;
}
return max3(maxLeftSum , maxRightSum, maxLeftSum + maxRightSum);
}
int maxSubsequenceSum(int a[],int n)
{
return maxSubSum(a, 0, n-1);
}
这个算法虽然看起来复杂,但其时间复杂度却是O(n · log n)的,主要是因为它不再是盲目的穷举,而是有目的性地划分求解,最后得到所有解当中的最大值,max3函数是返回最大值,在这里没有实现该函数。
四、巧妙算法
对于不同的题目偶尔可以找到只适用于该题目的特殊且巧妙的算法,有一点投机取巧的意思,对于这道题,由于求的是最大子序列和,所以我们可以在求解过程中只保留一个最大的,然后用“打擂法”将当前算出来的最大的那个保留到最后
int MaxSubsequenceSum(int a[] , int n)
{
int thisSum, maxSum, i;
thisSum = 0;
maxSum = 0;
for(i=0; i < n; i++)
{
thisSum += a[i];
if(thisSum > maxSum)
maxSum = thisSum;
else if(thisSum < 0)
/*巧妙所在:当加上当前值后和小于0时,说明后面的项加上前面这一段都会使和小于
从后面的项开始求得的和,所以就直接舍弃前面的项*/
thisSum = 0;
}
return maxSum;
}
该算法时间复杂度是O(n),是这四种算法中最佳的算法