1.朴素的想法
以一定长度从数列中连续取数求和,长度从最大到1为止,长度越短每次求和的次数越多。这种方法时间复杂度高N^3,还难以改进。
{
int i = 0, j = N - 1, sum, max = 0, N2;
N2 = N;
while( N >= 1 ){
while( j <= N2 - 1 ){
for( int t = i ; t <= j ; t ++ ){
sum += List[t];
}
if( sum > max )
max = sum;
sum = 0;
i ++;
j ++;
}
i = 0;
N --;
j = N - 1;
}
return max;
}
另一种暴力的方法,从下标从 i 到 j 取数求和,外层循环保持 i 递增,内层循环保持 j 递增,下标从低到高重复求和。
{
int i, j, k, sum, max = 0;
for( i = 0; i < N; i++){
for( j = i; j < N; j++){
sum = 0;
for( k = i; k <= j; k++)
sum += List[k];
if( sum > max)
max = sum;
}
}
}
2.这种方法的改进就是把重复求和变成不重复求和,只把新来的数加到上次求和的结果中。复杂度降低为N^2
{
int i, j, sum, max = 0, ;
for( i = 0; i < N; i++){
sum = 0;
for( j = i; j < N; j++){
sum += List[j];
if( sum > max)
max = sum;
}
}
return max;
}
3.分而治之
采用从中间分开,两边递归求连续子数列和的方法。
时间复杂度计算:【 T(N)=2T(N/2)+cN=2^kO(1)+ckN 】, 其中N/(2^k)=1 -> k=log(2,N)记为logN
【 T(N)=O(N)+O(N logN) ,相加取较大的项,结果就得 N logN 】
代码在最后。
4.在线处理算法
很有实际意义的做法。时间复杂度T(N)=O(N)。
每次读取数字的时候想一个问题,这个数字对于当前的和来说是让其变大还是变小了?如果变大了就累加,继续读取下一个数,如果变小了要计算少了多少?是否足以抵消前面已累积的子列和,如果没完全抵消就累加,否则抛弃此数以及之前算出的子列和--子列和归零,然后继续读取下一个数。最大连续子列和就是若干次求和中最大的一次。
int sum,max;
sum=max=0;
for(int i=0;i<N;i++){
sum += List[i];
if( sum > max)
max = sum;
else if( sum < 0)
sum = 0;
}
return max;
分而治之:
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 );
}