最大子列和问题
问题描述
该题目转自PTA
给定K个整数组成的序列
{
N
1
,
N
2
,
.
.
.
,
N
K
}
\{N_1,N_2,...,N_K\}
{N1,N2,...,NK},“连续子列”被定义为
{
N
i
,
N
i
+
1
,
.
.
.
,
N
j
}
\{N_i,N_{i+1},...,N_j\}
{Ni,Ni+1,...,Nj},其中
1
≤
i
≤
j
≤
K
1≤i≤j≤K
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
}
\{ -2, 11, -4, 13, -5, -2 \}
{−2,11,−4,13,−5,−2},其连续子列
{
11
,
−
4
,
13
}
\{ 11, -4, 13\}
{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2:1e3个随机整数;
数据3:1e4个随机整数;
数据4:1e5个随机整数;
数据5:1e6个随机整数;
算法
算法一
暴力求解,求出每一个子列的和,寻找最大的那个,时间复杂度为 O ( N 3 ) O(N^3) O(N3)
int MaxSubseqSum1(int A[],int N)
{
int ThisSum = 0,MaxSum = 0;
int i,j,k;
for(i = 0;i < N;++i)
{
for(j = i;j < N;++j)
{
ThisSum = 0;
for(k = i;k <= j;++k)
ThisSum += A[k];
if(ThisSum > MaxSum)
MaxSum = ThisSum;
}
}
return MaxSum;
}
算法二
对算法一进行改进,最内层的 k k k循环是没有必要的,可以在遍历 j j j的时候,每遍历一次就进行一次判断,下一次判断时,也不需要从头开始累加,只需加上 j j j的下一项即可,时间复杂度为 O ( N 2 ) O(N^2) O(N2)
#include<iostream>
using namespace std;
int MaxSubseqSum2(int A[],int N)
{
int ThisSum = 0,MaxSum = 0;
int i,j;
for(i = 0;i < N;++i)
{
ThisSum = 0;
for(j = i;j < N;++j)
{
ThisSum += A[j];
if(ThisSum > MaxSum)
MaxSum = ThisSum;
}
}
return MaxSum;
}
int A[100000];
int main()
{
int n;
cin >> n;
//int* A = new int(n); 使用动态内存分配时,10万个随机数的测试用例提示段错误,经查可能是由于数组过大导致,所以改用静态全局数组
for(int i = 0;i < n;++i)
cin >> A[i];
cout << MaxSubseqSum2(A,n);
}
算法三
采用分而治之的思想,将整个数列分为两部分,分别求这两部分的最大子列和,最后再求解跨越边界的中间部分的最大子列和,求出的最大值即为最终结果,在分开的两个子列中再递归调用该算法,时间复杂度为 O ( N l o g N ) O(NlogN) O(NlogN),空间复杂度为 O ( N ) O(N) O(N)
int Max3( int A, int B, int C )
{ /* 返回3个整数中的最大值 */
return A > B ? A > C ? A : C : B > C ? B : C;
}
int DivideAndConquer( int List[], int left, int right )
{ /* 分治法求List[left]到List[right]的最大子列和 */
int MaxLeftSum, MaxRightSum; /* 存放左右子问题的解 */
int MaxLeftBorderSum, MaxRightBorderSum; /*存放跨分界线的结果*/
int LeftBorderSum, RightBorderSum;
int center, i;
if( left == right ) { /* 递归的终止条件,子列只有1个数字 */
if( List[left] > 0 ) return List[left];
else return 0;
}
/* 下面是"分"的过程 */
center = ( left + right ) / 2; /* 找到中分点 */
/* 递归求得两边子列的最大和 */
MaxLeftSum = DivideAndConquer( List, left, center );
MaxRightSum = DivideAndConquer( List, center+1, right );
/* 下面求跨分界线的最大子列和 */
MaxLeftBorderSum = 0; LeftBorderSum = 0;
for( i=center; i>=left; i-- ) { /* 从中线向左扫描 */
LeftBorderSum += List[i];
if( LeftBorderSum > MaxLeftBorderSum )
MaxLeftBorderSum = LeftBorderSum;
} /* 左边扫描结束 */
MaxRightBorderSum = 0; RightBorderSum = 0;
for( i=center+1; i<=right; i++ ) { /* 从中线向右扫描 */
RightBorderSum += List[i];
if( RightBorderSum > MaxRightBorderSum )
MaxRightBorderSum = RightBorderSum;
} /* 右边扫描结束 */
/* 下面返回"治"的结果 */
return Max3( MaxLeftSum, MaxRightSum, MaxLeftBorderSum + MaxRightBorderSum );
}
int MaxSubseqSum3( int List[], int N )
{ /* 保持与前2种算法相同的函数接口 */
return DivideAndConquer( List, 0, N-1 );
}
算法四
这是最高效的算法,又被称为在线处理算法。遍历一次,如果累积的值为正数,则继续累加,若为负数,则直接置0,丢弃前面处理的结果,若累积的值超过了当前的最大值,则进行替换,时间复杂度为 O ( N ) O(N) O(N)
int MaxSubseqSum4(int A[],int N)
{
int ThisSum = 0,MaxSum = 0;
for(int i = 0;i < N;++i)
{
ThisSum += A[i];
if(ThisSum > MaxSum)
MaxSum = ThisSum;
else if(ThisSum < 0)
ThisSum = 0;
}
return MaxSum;
}
进阶
这道题是求解子列和的进阶版,该题不仅要求求解最大和,并且需要返回最大和对应的起始于终止位置处的值。对于结束的值,则可以在修改最大值时一起更新,所以此题的难点在于如何更新起点值。根据在线处理算法的规则,如果我们要更新起点值,则更新时机是现有元素子列和为负数,更新起始值为当前的下一个位置。但是基于这种逻辑筛选出的起始值是不正确的,所以起始值也应该和最大值一起更新,采用一个新的变量储存“假的”起始值,只有在更新最大值时,这个“假的”起始值才被视为真实的起始值。
#include <iostream>
using namespace std;
int* MaxSubseqSum(int A[],int n)
{
int* res = new int(3);
int ThisSum = 0;
int tmpPosition = 0;
bool IsNegtive = true; //判断数据是否都为负数,这种情况有独特的处理方式
res[0] = 0; //存储最大子列和
res[1] = 0; //存储首元素
res[2] = 0; //存储尾元素
for(int i = 0;i < n;++i)
{
if(A[i] >= 0)
IsNegtive = false;
ThisSum += A[i];
if(ThisSum > res[0])
{
res[0] = ThisSum;
res[1] = A[tmpPosition];
res[2] = A[i];
}
else if(ThisSum < 0)
{
ThisSum = 0;
if(i < n - 1)
tmpPosition = i + 1;
}
}
if(IsNegtive)
{
res[1] = A[0];
res[2] = A[n-1];
}
return res;
}
void readInput(int* A,int& n)
{
cin >> n;
for(int i = 0;i < n;++i)
cin >> A[i];
}
int A[10000]; //动态分配内存会产生段错误,故选用静态数组
int main()
{
int* res = NULL;
int n = 0;
readInput(A,n);
res = MaxSubseqSum(A,n);
cout << res[0] << " " << res[1] << " " << res[2] << endl;
return 0;
}