蓝桥杯 最大子阵（dp最大子段和）

问题描述

　　给定一个n*m的矩阵A，求A中的一个非空子矩阵，使这个子矩阵中的元素和最大。

　　其中，A的子矩阵指在A中行和列均连续的一块。

输入格式

　　输入的第一行包含两个整数n, m，分别表示矩阵A的行数和列数。
　　接下来n行，每行m个整数，表示矩阵A。

输出格式

　　输出一行，包含一个整数，表示A中最大的子矩阵中的元素和。

样例输入

3 3
-1 -4 3
3 4 -1
-5 -2 8

样例输出

10

样例说明

　　取最后一列，和为10。

数据规模和约定

　　对于50%的数据，1<=n, m<=50；b
　　对于100%的数据，1<=n, m<=500，A中每个元素的绝对值不超过5000。

———————————————————————————————————————————————

这题涉及的知识点是“最大子段和”。所谓“最大子段和”的问题是：给定n个整数（可能为负数）组成的序列a[1],a[2],a[3],…,a[n],求该序列如a[i]+a[i+1]+…+a[j]的子段和的最大值。这个问题一个比较好的解法是用动态规划，用dp[j]表示由序列中第j个数为结尾的子段的最大和是多少，则状态转移方程可表示为dp[j]=max(dp[j-1]+a[j],a[j])，dp[0]初始化为0。

当已知以第j-1个数为结尾的子串的最大值dp[j-1]，那么以第j个数a[j]为结尾的子串的最大值dp[j]只有两者可能，dp[j-1]+a[j]或者a[j]。每计算出一个dp[j]就比较当前已知的最大值max，若大于max则将max更新为dp[j]。

最大子段和问题求的是一维情况下的解，最大子阵求得是二维情况下的解，如果我们把二维的情况压缩成一维，那么用最大子段和的方法就可以很容易解决了。

压缩的方法是，首先将全0行与第一行每列一一对应相加，对得到的一位数组s做一次“最大子段和”求得当前最大解。再将数组s加上第二行各数,后再做一次“最大子段和”，更新max。一直反复此过程到s加上最后一行后做并更新max。再清零数组s,从第二行开始不断累加并计算“最大子段和”更新max，一直到最后一行，即可求得“最大子阵”。数组s即为二维矩阵压缩而得的一位数组。

代码如下：

#include <iostream>  
#include <cstring>  
using namespace std;  
int a[510][510],s[510],dp[510];
int main()
{
	int n,m,i,j,k,temp;
	int max=-100000000; 
	cin >> n >> m;
	for(i=1;i<=n;i++)
	{
		for(j=1;j<=m;j++)
		{
			cin >> a[i][j];
		}
	}
	
	for(i=1;i<=n;i++)
	{
		memset(s,0,sizeof(int)*510);
		for(j=i;j<=n;j++)
		{
			for(k=1;k<=m;k++)
			{
				s[k] += a[j][k];
						
		     	if(dp[k-1]+s[k] > s[k])
		     	{
					 dp[k] = dp[k-1]+s[k];	
		     	}else{
		     		 dp[k] = s[k];
		     	}
			
		     	if(dp[k]>max)
			    {
	     			max = dp[k];
		     	}
		    }
		}
	}
	
	cout << max;
	
	return 0;
}