#include <iostream>
#include <algorithm>
using namespace std;
//最小正子序列和(minimun subsequences sum)
const int MAXINT=999999;
struct Node
{
int sum;
int xiabiao;
};
int cmp(const Node& t1,const Node& t2)
{
return t1.sum < t2.sum;
}
//nlogn
int minPositiveSubsequenceSum(int data[],int len)
{
Node* temp = new Node[len];
temp[0].sum = data[0];
temp[0].xiabiao = 0;
for(int i=1;i<len;i++)
{
temp[i].sum = temp[i-1].sum+data[i];
temp[i].xiabiao = i;
}
//对temp.sum[]进行从小到大排序,sum[]中只有相邻的两个数才有可能 得到 最小正子序列和
sort(temp,temp+len,cmp);
int sum = MAXINT;
for(int i=0;i<len-1;i++)
{
if(temp[i].xiabiao < temp[i+1].xiabiao)
{
if(temp[i+1].sum - temp[i].sum > 0 && temp[i+1].sum - temp[i].sum < sum)
sum = temp[i+1].sum - temp[i].sum;
}
}
delete temp;
temp=0;
return sum;
}
//最小子序列和(minimun subsequences sum),logn
int minSubsequenceSum(int data[],int len)
{
int curMinSum = data[0];
int minSum= data[0];
for(int i=1;i<len;i++)
{
if(curMinSum >= 0)
curMinSum = data[i];
else
curMinSum = curMinSum + data[i];
if(curMinSum < minSum)
minSum = curMinSum;
}
return minSum;
}
int main()
{
int data[]={4,-1,5,-2,-1,2,6,-2};
int len =sizeof(data)/sizeof(data[0]);
cout<<minPositiveSubsequenceSum(data,len)<<endl;
cout<<minSubsequenceSum(data,len)<<endl;
system("pause");
return 0;
}
数对之差的最大值
题目:在数组中,数字减去它右边的数字得到一个数对之差。求所有数对之差的最大值。例如在数组{2, 4, 1, 16, 7, 5, 11, 9}中,数对之差的最大值是11,是16减去5的结果。
解法二:转化成求解子数组的最大和问题
接下来再介绍一种比较巧妙的解法。如果输入一个长度为
n的数组numbers,我们先构建一个长度为n-1的辅助数组diff,并且diff[i]等于numbers[i]-numbers[i+1](0<=i<n-1)。如果我们从数组diff中的第i个数字一直累加到第j个数字(j > i),也就是diff[i] + diff[i+1] + … + diff[j] = (numbers[i]-numbers[i+1]) + (numbers[i + 1]-numbers[i+2]) + ... + (numbers[j] – numbers[j + 1]) = numbers[i] – numbers[j + 1]。分析到这里,我们发现原始数组中最大的数对之差(即numbers[i] – numbers[j + 1])其实是辅助数组diff中最大的连续子数组之和。如下代码:
int MaxDiff_Solution2(int numbers[], unsigned length)
{
if(numbers == NULL || length < 2)
return 0;
int* diff = new int[length - 1];
for(int i = 1; i < length; ++i)
diff[i - 1] = numbers[i - 1] - numbers[i];
int currentSum = 0;
int greatestSum = 0x80000000;
for(int i = 0; i < length - 1; ++i)
{
if(currentSum <= 0)
currentSum = diff[i];
else
currentSum += diff[i];
if(currentSum > greatestSum)
greatestSum = currentSum;
}
delete[] diff;
return greatestSum;
}
解法三:动态规划法
既然我们可以把求最大的数对之差转换成求子数组的最大和,而子数组的最大和可以通过动态规划求解,那我们是不是可以通过动态规划直接求解呢?下面我们试着用动态规划法直接求数对之差的最大值。
我们定义diff[i]是以数组中第i个数字为减数的所有数对之差的最大值。也就是说对于任意h(h < i),diff[i]≥number[h]-number[i]。diff[i](0≤i<n)的最大值就是整个数组最大的数对之差。
假设我们已经求得了diff[i],我们该怎么求得diff[i+1]呢?对于diff[i],肯定存在一个h(h < i),满足number[h]减去number[i]之差是最大的,也就是number[h]应该是number[i]之前的所有数字的最大值。当我们求diff[i+1]的时候,我们需要找到第i+1个数字之前的最大值。第i+1个数字之前的最大值有两种可能:这个最大值可能是第i个数字之前的最大值,也有可能这个最大值就是第i个数字。第i+1个数字之前的最大值肯定是这两者的较大者。我们只要拿第i+1个数字之前的最大值减去number[i+1],就得到了diff[i+1]。
int MaxDiff_Solution3(int numbers[], unsigned length)
{
if(numbers == NULL || length < 2)
return 0;
int max = numbers[0];
int maxDiff = max - numbers[1];
for(int i = 2; i < length; ++i)
{
if(numbers[i - 1] > max)
max = numbers[i - 1];
int currentDiff = max - numbers[i];
if(currentDiff > maxDiff)
maxDiff = currentDiff;
}
return maxDiff;
}
在上述代码中,max表示第i个数字之前的最大值,而currentDiff表示diff[i] (0≤i<n),diff[i]的最大值就是代码中maxDiff。