最长子段和 动态规划算法

动态规划算法的介绍

在第一篇动态规划算法中简单介绍了一下动态规划算法
矩阵连乘积问题及动态规划算法介绍

最长子段和问题

问题介绍:

给定由n个整数（包含负整数）组成的序列a1,a2,…,an，求该序列子段和的最大值。
当所有整数均为负值时定义其最大子段和为0。
所求的最优值为：

举例解释:

例如： 当(a1,a2, ……a7,a8)=(1,-3, 7,8,-4,12, -10,6)时，最大子段和为：

该问题可以使用蛮力法、分治法、动态规划法进行编程
此处只介绍动态规划算法

一、分析最优子结构

设bj是1到j区间的最大子段和(1_j,2j,…j~j,共j个子段):


则所求的最大子段和为:

最大子段和的动态规划计算过程

二、建立递归关系

• 由bj的定义易知， 当bj-1>0时 bj=bj-1+aj， 否则 bj=aj。 则计算bj的动态规划递归式：
  bj=max{bj-1+aj，aj}，1≤j≤n。
  

三、求解最优值

#define NUM 1001
int a[NUM];
int MaxSum(int n){
    int sum=0; //最大子段和
    int b=0; //1~j的最大子段和，因无需保留其他结果，所以没必要定义数组
    for (int j=1;j<=n;j++)
    {
  	if (b>0) 
	    b+=a[j]; 
	else
	    b=a[j];
	if (b>sum) sum=b;
    }    return sum;
}

显然该算法的计算时间为O(n)

四、计算最优解

计算最大子段和的动态规划算法的最优解
令besti，bestj为最大子段和sum的起始位置和结束位置；
在当前位置i，如果b[i-1] ≤0时，在取b[i]=a[i] 的同时，保存该位置i到变量begin中，显然：
当b(i-1)≤0时，begin＝i；
当b(i)≥sum时，besti＝begin，bestj＝i。

计算最大子段和的动态规划算法的最优解
#define NUM 1001
int a[NUM];
int MaxSum(int n, int &besti, int &bestj){
　　int sum=0; 　　int b=0;　　int begin = 0;
　　for (int i=1;　i<=n;　i++){
        if (b>0)　 b+=a[i]; 
        else {b=a[i];　begin = i;}
        if (b>sum) {//得到新的最优值时，更新最优解
	sum = b; 
	besti = begin; 
	bestj = i;
	}
　　}
　　return sum;
}