分治法(求解最大和序列值)

最近在刷LeetCode题时,接触到分治法,很巧妙的算法!!!!

题目: 给定一个整数数组 nums ,找到一个具有最大和的连续子数组(子数组最少包含一个元素),返回其最大和。

示例:

输入: [-2,1,-3,4,-1,2,1,-5,4], 输出: 6 解释: 连续子数组 [4,-1,2,1] 的和最大,为 6。

此题采用分治法求解:

class Solution {
    public int maxSubArray(int[] nums) {
        
        //分治法解决
        int res = nums[0];
        int sum = 0;
        for(int i=0; i<nums.length; i++){
            if(sum > 0){
                sum += nums[i];
            }else{
                sum = nums[i];
            }
            res = Math.max(res,sum);
        }
        return res;
        
    }
}

对于求最大子序列之和,对于我这样的菜鸟,首先想到的应该是最暴力的方法,就是将所有的子序列的和进行比较,然后出现最大值并返回答案。不过这也没啥意思,复杂度O(N2).

对这个问题,有一个相对复杂的O(NlogN)的解法,就是使用递归。其主要思想是:比较左、右、中间三部分的序列和的大小,因为中间部分是没办法分治的,只能在每一层递归函数空间里面进行,所以递归的部分为左、右,而且左右部分序列和有分别为次层递归的结果。递归的基本边界:左右为相同位置元素,即只有一个元素.

private static int maxSumRec(int [] a , int left , int right){
  if( left == right ){//边界①
    if( a[left] > 0 )
      return a[left];
    else
      return 0;
  }
  //递归分治部分②
  int center = (left + right) / 2;
  int maxLeftSum = maxSumRec( a, left, center);
  int maxRightSum = maxSumRec( a, center + 1, right);

  //对改层的部分进行数据处理③
  int maxLeftBorderSum = 0, leftBorderSum = 0;
  for( int i = center; i >= left; i--){
    leftBorder += a[i];
    if( maxLeftBorderSum < leftBorderSum)
      maxLeftBorderSum = leftBorderSum;
  }
  
  int maxRightBorderSum = 0, leftBorderSum = 0;
  for( int i = center + 1; i <= right; i ++){
    rightBorderSum += a[i];
    if( maxRightBorderSum > rightBorderSum)
      maxRightBorderSum = rightBorderSum;
  }

  //返回
  return max3( maxRightBorderSum + maxLeftBorderSum , maxLeftSum , maxRightSum);
}

复杂度:

如果数据量为N,①与数据两无关,时间为常数;③为数据处理部分,时间为O(N);②为递归部分,每一层的该处时间消耗总与上一层有关,并有T(N)=T(N/2)+O(N)的关系.

最后计算得T(N)=O(NlogN).

下面是一个时间复杂度更小(O(N))的算法:

该算法更为简便之处是忽略了对子序列的寻找比较,而是根据规律直接找出最佳答案.

对于含有正数的序列而言,最大子序列肯定是正数,所以头尾肯定都是正数.我们可以从第一个正数开始算起,每往后加一个数便更新一次和的最大值;当当前和成为负数时,则表明此前序列无法为后面提供最大子序列和,因此必须重新确定序列首项.

public class maxSubSumS {
    public static int maxSubSum(int [] a ){
        int maxSum = 0 , thisSum = 0;
        for( int i = 0; i < a.length ; i ++ ){
            thisSum += a[ i ];
            if(thisSum > maxSum)
                maxSum = thisSum;
            else if(thisSum < 0)
                thisSum = 0;
        }
        return maxSum;
    }
}

上文摘自https://www.cnblogs.com/sunnysola/p/4795691.html,

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值