前奏
- 希望更多的人能和我一样,把本狂想曲系列中的任何一道面试题当做一道简单的编程题或一个实质性的问题来看待,在阅读本狂想曲系列的过程中,希望你 能尽量暂时放下所有有关面试的一切包袱,潜心攻克每一道“编程题”,在解决编程题的过程中,好好享受编程带来的无限乐趣,与思考带来的无限激情。--By@July_____。
- 原狂想曲系列已更名为:程序员编程艺术系列。原狂想曲创作组更名为编程艺术室。编程艺术室致力于以下三点工作:1、针对一个问题,不断寻找更高效的算法,并予以编程实现。2、解决实际中会碰到的应用问题,如第十章、如何给10^7个数据量的磁盘文件排序。3、经典算法的研究与实现。总体突出一点:编程,如何高效的编程解决实际问题。欢迎有志者加入。
第一节、求子数组的最大和
3.求子数组的最大和
题目描述:
输入一个整形数组,数组里有正数也有负数。
数组中连续的一个或多个整数组成一个子数组,每个子数组都有一个和。
求所有子数组的和的最大值。要求时间复杂度为O(n)。
例如输入的数组为1, -2, 3, 10, -4, 7, 2, -5,和最大的子数组为3, 10, -4, 7, 2,
因此输出为该子数组的和18。
分析:这个问题在各大公司面试中出现频率之频繁,被人引用次数之多,非一般面试题可与之匹敌。单凭这点,就没有理由不入选狂想曲系列中了。此题曾作为本人之前整理的微软100题中的第3题,至今反响也很大。ok,下面,咱们来一步一步分析这个题:
记Sum[i, …, j]为数组A中第i个元素到第j个元素的和(其中0 <= i <= j < n),遍历所有可能的Sum[i, …, j],那么时间复杂度为O(N^3):
//本段代码引自编程之美
int MaxSum(int* A, int n)
{
int maximum = -INF;
int sum=0;
for(int i = 0; i < n; i++)
{
for(int j = i; j < n; j++)
{
for(int k = i; k <= j; k++)
{
sum += A[k];
}
if(sum > maximum)
maximum = sum;
sum=0; //这里要记得清零,否则的话sum最终存放的是所有子数组的和。也就是编程之美上所说的bug。多谢苍狼。
}
}
return maximum;
}
- //copyright@
July 2010/10/18 - //updated,2011.05.25.
- #include
-
- int
maxSum(int* a, int n) - {
-
int sum=0; -
//其实要处理全是负数的情况,很简单,如稍后下面第3点所见,直接把这句改成:"int sum=a[0]"即可 -
//也可以不改,当全是负数的情况,直接返回0,也不见得不行。 -
int b=0; -
-
for(int i=0; i -
{ -
if(b<0) //... -
b=a[i]; -
else -
b+=a[i]; -
if(sum -
sum=b; -
} -
return sum; - }
-
- int
main() - {
-
int a[10]={1, -2, 3, 10, -4, 7, 2, -5}; -
//int a[]={-1,-2,-3,-4}; //测试全是负数的用例 -
cout<<maxSum(a,8)<<endl; -
return 0; - }
-
-
- //copyright@
July - //July、updated,2011.05.25。
- #include
- #define
n 4 //多定义了一个变量 -
- int
maxsum(int a[n]) - //于此处,你能看到上述思路2代码(指针)的优势
- {
-
int max=a[0]; //全负情况,返回最大数 -
int sum=0; -
for(int j=0;j -
{ -
if(sum>=0) //如果加上某个元素,sum>=0的话,就加 -
sum+=a[j]; -
else -
sum=a[j]; //如果加上某个元素,sum<0了,就不加 -
if(sum>max) -
max=sum; -
} -
return max; - }
-
- int
main() - {
-
int a[]={-1,-2,-3,-4}; -
cout<<maxsum(a)<<endl; -
return 0; - }
sum[i+1] = max(a[i+1], sum[i] + a[i+1])
result = max(result, sum[i])
扩展:
1、如果数组是二维数组,同样要你求最大子数组的和列?
2、如果是要你求子数组的最大乘积列?
3、如果同时要求输出子段的开始和结束列?
第二节、Data structures and Algorithm analysis in C
下面给出《Data structures and Algorithm analysis in C》中4种实现。
- //感谢网友firo
- //July、2010.06.05。
-
- //Algorithm
1:时间效率为O(n*n*n) - int
MaxSubsequenceSum1(const int A[],int N) - {
-
int ThisSum=0 ,MaxSum=0,i,j,k; -
for(i=0;i -
for(j=i;j -
{ -
ThisSum=0; -
for(k=i;k -
ThisSum+=A[k]; -
-
if(ThisSum>MaxSum) -
MaxSum=ThisSum; -
} -
return MaxSum; - }
-
- //Algorithm
2:时间效率为O(n*n) - int
MaxSubsequenceSum2(const int A[],int N) - {
-
int ThisSum=0,MaxSum=0,i,j,k; -
for(i=0;i -
{ -
ThisSum=0; -
for(j=i;j -
{ -
ThisSum+=A[j]; -
if(ThisSum>MaxSum) -
MaxSum=ThisSum; -
} -
} -
return MaxSum; - }
-
- //Algorithm
3:时间效率为O(n*log n) - //算法3的主要思想:采用二分策略,将序列分成左右两份。
- //那么最长子序列有三种可能出现的情况,即
- //【1】只出现在左部分.
- //【2】只出现在右部分。
- //【3】出现在中间,同时涉及到左右两部分。
- //分情况讨论之。
- static
int MaxSubSum(const int A[],int Left,int Right) - {
-
int MaxLeftSum,MaxRightSum; //左、右部分最大连续子序列值。对应情况【1】、【2】 -
int MaxLeftBorderSum,MaxRightBorderSum; //从中间分别到左右两侧的最大连续子序列值,对应case【3】。 -
int LeftBorderSum,RightBorderSum; -
int Center,i; -
if(Left == Right)Base Case -
if(A[Left]>0) -
return A[Left]; -
else -
return 0; -
Center=(Left+Right)/2; -
MaxLeftSum=MaxSubSum(A,Left,Center); -
MaxRightSum=MaxSubSum(A,Center+1,Right); -
MaxLeftBorderSum=0; -
LeftBorderSum=0; -
for(i=Center;i>=Left;i--) -
{ -
LeftBorderSum+=A[i]; -
if(LeftBorderSum>MaxLeftBorderSum) -
MaxLeftBorderSum=LeftBorderSum; -
} -
MaxRightBorderSum=0; -
RightBorderSum=0; -
for(i=Center+1;i<=Right;i++) -
{ -
RightBorderSum+=A[i]; -
if(RightBorderSum>MaxRightBorderSum) -
MaxRightBorderSum=RightBorderSum; -
} -
int max1=MaxLeftSum>MaxRightSum?MaxLeftSum:MaxRightSum; -
int max2=MaxLeftBorderSum+MaxRightBorderSum; -
return max1>max2?max1:max2; - }
-
- //Algorithm
4:时间效率为O(n) - //同上述第一节中的思路3、和4。
- int
MaxSubsequenceSum(const int A[],int N) - {
-
int ThisSum,MaxSum,j; -
ThisSum=MaxSum=0; -
for(j=0;j -
{ -
ThisSum+=A[j]; -
if(ThisSum>MaxSum) -
MaxSum=ThisSum; -
else if(ThisSum<0) -
ThisSum=0; -
} -
return MaxSum; - }
本章完。