1.暴力搜索:
直接把所有的情况遍历的比较一下。自然可以找出最大子数组的和,这里不写暴力的代码
2.分治法:
分治法是一个在实际解决问题中最常用的方法,我们前面学过二分法、归并排序…
这些都是利用分治的思想写的。
分治思想主要是:先讲数组依某个结点为例子进行划分,这里是递归划分,这些通用的地方都是一样的
不同的是后面和的过程,不同的题和的方法不同,拿本题来说,和的时候是将左边、右边、跨越段进行比较
取其中较大的数值,然后知道你将数组还原结束后这个最大子数组的和也就出来了
int dealGreatestSum(vector<int> &array, int begin, int end)
{
if (begin == end)
{
return array[begin];
}
int mid = (begin + end) / 2;
int leftmax = dealGreatestSum(array, begin, mid);
int rightmax = dealGreatestSum(array, mid + 1, end);
int crossmax = 0;
int i;
int sum = 0;
int tmpmax = array[mid];
for (i = mid; i >= begin; i--)
{
sum += array[i];
if (sum > tmpmax)
{
tmpmax = sum;
}
}
crossmax += tmpmax;
sum = 0;
tmpmax = array[mid + 1];
for (i = mid + 1; i <= end; i++)
{
sum += array[i];
if (sum > tmpmax)
{
tmpmax = sum;
}
}
crossmax += tmpmax;
return max(max(leftmax, rightmax), crossmax);
}
int FindGreatestSumOfSubArray(vector<int> array)
{
return dealGreatestSum(array, 0, array.size() - 1);
}
3.动态规划:
本体也可以看成一个比较简单的动态规划的题
本题的动态规划思路是:本质与分治一样的左右中相比较,只不过在写的时候是不分开的,从左到右
每走一步,就进行一次比较,知道走到最后一个元素的时候就找到了这个数组的最大子数组的和。
int FindGreatestSumOfSubArray(vector<int> array)
{
int tmp = array[0];
int maxPre = array[0];
int i;
for (i = 1; i < array.size(); i++)
{
if (maxPre >= 0)
{
maxPre += array[i];
}
else
{
maxPre = array[i];
}
if (tmp < maxPre)
{
tmp = maxPre;
}
}
return tmp;
}