动态规划：最大子矩阵和问题

大家好，我是连人。本期我们讨论最大子段和的第一个推广问题：最大子矩阵和问题。

最大子段和问题：

首先先简单介绍一下最大子段和问题：在数组a中存放着n个整数，求i，j∈[0，n]（i<j）使i和j区间内所有整数相加和最大。

如果a数组内全是负数，则最后结果记为0。

针对这个问题，我们设立一个变量b，b的规则是：

当b[j-1]>0时，b[j] = b[j-1] + a[j]
否则b[j] = a[j]

因此b[j]的动态规划递归式为b[j]=max{ b[j-1] + a[j] ，a[j] }

因为在判断b[j]取值时只需要b[j-1]，为了节省空间，直接将数组的预算砍成一个变量b，这个变量的目的以通俗的话讲就是抛弃负数留下正数。

下面为代码：

def max_sum_1(n, a):
    sum = 0
    b = 0
    for i in range(0, n):
        if b > 0:
            b += a[i]
        else:
            b = a[i]
        if b > sum:
            sum = b
    return sum

最大子矩阵和问题

将最大字段和问题引申，给定一个矩阵，求一子矩阵的和，使该子矩阵中元素和是所有子矩阵元素和最大的一个。

对于这个问题，可以将“矩阵的和”通过叠放转化为最大子段和问题中的数组，然后将这个数组再通过最大子段和问题找出sum。

步骤如下图。

此时b数组值如图，根据max_sum_1可知7，3是最大字段和10，指代A2:A3矩阵，计入sum。

之后再次向下：

此时b数组值如图，最大子段4，-1，-1，4，和为6，指代A1:B4矩阵，但由于6<10，因此不计入sum，继续向下遍历。

此时b如图，最大子段7，-3，3，9，和为16，指代A1:C4，由于16>10，sum被取代为16，接着向下循环。

第二轮的循环从B行开始，然后重复上述循环。

下面是代码：

def max_sum_2(m, n, a):
    sum = 0
    for i in range(0, m):
        b = []
        for k in range(0, n):
            b.append(0)
        for j in range(i, m):
            for k in range(0, n):
                b[k] += a[j][k]
            max = max_sum_1(n, b)
            if max > sum:
                sum = max
    return sum

转载注明出处。