算法小题：最大子矩阵问题

前言

这次想要总结的求数组（或者二维数组）之间的最优值还有最后一篇最大子矩阵问题。今天把它搞定。

问题描述

（选自牛客网）

解法一

按照正常人的思维水平，如果不是以前对相关知识有了解，首先冲向脑子的解法应该就是暴力遍历了。 你别说，这题暴力解法还真能A出来。不过要做一点小小的优化。 不多说，上代码。

//暴力求解的主要代码
for(i_min = 1;i_min<=n;++i_min)
        {
            for(int i_max = i_min;i_max<=n;++i_max)
            {
                for(j_min = 1;j_min<=n;++j_min)
                {
                    for(j_max=j_min;j_max<=n;++j_max)
                    {
                        int tmpSum = Sum(i_min,i_max,j_min,j_max);	//求（i_min,j_min）-(i_max,j_max)矩形的和
                        if(maxArea < tmpSum)
                        {
                             maxArea = tmpSum;
                        }
                    }
                }
            }
        }

分析：简单说一下，就是遍历所有的矩阵的可能,行从i_min到i_max,列从j_min到j_max. 当然把这四个维度的选择遍历出来已经是O(N4)的复杂度了，如果求解矩阵之和也继续暴力的话，那估计肯定是通不过了。

通过简单的分析，我们可以知道，在求解矩阵（假设左上角为（i_min,j_min），右下角为（i_max，j_max））之和的时候，我们可以提前算出来（类似于利用动态规划提前打表了）。

打表的代码如下：

//打表：PS[i][j]:为（1，1）,(i,1),(1,j),(i,j)的矩阵之和
void InitPS(int n)
{
    //初始化边界值
    for(int i = 0;i<=n;++i)
     {
         PS[i][0] = 0;
         PS[0][i] = 0;
     }
     //计算各个矩阵之和
     for(int i = 1;i<=n;++i)
     {
         for(int j = 1;j<=n;++j)
         {
             PS[i][j] = PS[i-1][j]+PS[i][j-1]-PS[i-1][j-1]+data[i][j];
         }
     }
}

//求（i_min,j_min）-(i_max,j_max)矩形的和
int Sum(int i_min,int i_max,int j_min,int j_max)
{
    return PS[i_max][j_max] - PS[i_min-1][j_max]-PS[i_max][j_min-1]+PS[i_min-1][j_min-1];
}

解法二

高级一点的算法，那就是要开动我们的小脑袋，发掘一些有用信息了。

由上篇求数组连续的子序列和，可以联想到如果把二维转化为一维，那么就可以利用上篇的算法在O（N）的时间内解决问题了。

so，同样的，外部遍历，我们可以只遍历所有可能的行情况
1-1,1-2,1-3,1-4…
2-2,2-3,2-4,…
3-3,3-4,…
4-4
…

然后对于每一种情况，把所有的行加起来，那不就是一维数组了吗？ 然后就可以利用上节中算法在确定两个列界限，最终就可以比较出所有可能的情况了。

代码如下：

//求解最大子矩阵和
int MatrixMaxSum(int n)
{
    int tmpArr[n+1];

    int max = INF;		//初始化定为最小值
    for(int i = 1;i<=n;++i)     //遍历所有的行可能
    {
        for(int j = i;j<=n;++j)
        {
            for(int k = 1;k<=n;++k)
                tmpArr[k] = Sum(i,j,k,k);     //第i行到第j行之间，第k列的矩阵和

            int retSum = MaxSum(tmpArr,n);      //转化为一维数组问题，利用一维数组求解连续子序列和

            if(max<retSum)
                max = retSum;
        }
    }
    return max;
}

分析：经过上面的改进，算法的复杂度就变成了O(N3)了。注意，上面的代码中Sum函数和解法一是一样的。

总结

好了，又到了激动人心的总结阶段了。今天的总结是，
一般来说，拿到一个问题，我们最先想到的应该是一种比较直接的思路（特殊天才除外）因为这符合我们大脑的学习逻辑，我们要做的就是在规定的时间内，发掘出题目中的信息，进行优化改进。当然，小的改进较为简单，大的改进可能就涉及到思考角度的变化了，也就是那些牛逼的人经常说的：“换个角度思考问题”。