01-复杂度1 最大子列和问题(20 分)
给定K个整数组成的序列{ N1, N2, ..., NK },“连续子列”被定义为{ Ni, Ni+1, ..., Nj },其中 1≤i≤j≤K。“最大子列和”则被定义为所有连续子列元素的和中最大者。例如给定序列{ -2, 11, -4, 13, -5, -2 },其连续子列{ 11, -4, 13 }有最大的和20。现要求你编写程序,计算给定整数序列的最大子列和。
本题旨在测试各种不同的算法在各种数据情况下的表现。各组测试数据特点如下:
- 数据1:与样例等价,测试基本正确性;
- 数据2:102个随机整数;
- 数据3:103个随机整数;
- 数据4:104个随机整数;
- 数据5:105个随机整数;
输入格式:
输入第1行给出正整数K (≤);第2行给出K个整数,其间以空格分隔。
输出格式:
在一行中输出最大子列和。如果序列中所有整数皆为负数,则输出0。
输入样例:
6 -2 11 -4 13 -5 -2
输出样例:
20
个人分析:题干目的在于测试课件中提到的三种算法各自的时间复杂度。
第一种:无脑三重循环(= =!),遍历序列的所有子列,找到最大子列和(T(N^3)).
第二种:与第一种没有本质区别,只是在计算子列和时有一点改进,仍有遍历序列所有子列的两重循环(T(N^2))
第三种:分而治之(O_O见识了),与前面俩种有本质不同。包含了递归的思想,原序列的最大子列和,一定取自:【前半序列的最大子列和or后半序列的最大子列和or跨越中间线的最大子列和】,以此不断化短序列,递归得得到最大子列和。(T(NlogN))
第四种:在线处理(好高大上,有木有!),与前面三种有本质不同。深入分析了子列和的性质:如果某一子列和为负,那么它不可能存在于所求的最大子列之中。(T(N))woc这必须是最好的复杂度了!因为必须扫描过每个输入啊!
我也使用了这种方法来解答本题,代码如下:(Dev C++编写)
#include<stdio.h>
int main()
{
int number; //实际输入序列大小
int A[100000]={0}; //最大测试序列大小100000
int Onlineprocessing(int number,int A[]);
scanf("%d",&number);
for (int i=0;i<number;i++)
{
scanf("%d",&A[i]);
}
printf("%d",Onlineprocessing(number,A));
return 0;
}
int Onlineprocessing(int number,int A[]) //在线处理函数
{
int ThisSum=0,MaxSum=0; //ThisSum记录当前遍历的子列和,MaxSum记录当前已读入序列的最大子列和
for(int i=0;i<number;i++)
{
ThisSum+=A[i]; //从序列头开始遍历每一个元素并加和
if(ThisSum>MaxSum)
MaxSum=ThisSum; //时刻记录更新最大子列和
else if(ThisSum<0) //当ThisSum不大于MaxSum时,存在两种情况:
{ //1.当前子列和为正(ThisSum>0),那么当前子列仍可能存在于所求最大子列中。
ThisSum=0; //2.当前子列和为负(ThisSum<=0),那么当前子列不可能存在于所求最大子列中,故可直接舍弃原ThisSum值,重新从下一个元素开始寻找最大子列
}
}
return MaxSum;
}
总结:在线处理算法,其实能应付更复杂的情况(不确定测试数据集的MaxSize),根据用户输入的个数实时得到已经输入的数字序列的最大子列和。