一般考数组的题目,重在挖掘数字时间的规律,只要找到规律就可以写递推关系式,很容易编写基于循环的
或者是动态规划的程序。
第一种解法:基于sum更新的解法
class Solution { public: int FindGreatestSumOfSubArray(vector<int> array) { if (array.size()==0) return 0; int summax,sum; for(int i=0;i<array.size();++i) { if (sum<= 0) sum = array[i]; else sum = sum + array[i]; if(sum > summax) summax = sum; } return summax; } }; |
第二种解法:自低向上的递归
使用动态规划
F(i):以array[i]为末尾元素的子数组的和的最大值,子数组的元素的相对位置不变
F(i)=max(F(i-1)+array[i] , array[i])
res:所有子数组的和的最大值
res=max(res,F(i))
如数组[6, -3, -2, 7, -15, 1, 2, 2]
初始状态:
F(0)=6
res=6
i=1:
F(1)=max(F(0)-3,-3)=max(6-3,3)=3
res=max(F(1),res)=max(3,6)=6
i=2:
F(2)=max(F(1)-2,-2)=max(3-2,-2)=1
res=max(F(2),res)=max(1,6)=6
i=3:
F(3)=max(F(2)+7,7)=max(1+7,7)=8
res=max(F(2),res)=max(8,6)=8
i=4:
F(4)=max(F(3)-15,-15)=max(8-15,-15)=-7
res=max(F(4),res)=max(-7,8)=8
以此类推 ,,,,,,,,,,,,
class Solution { public: int FindGreatestSumOfSubArray(vector<int> array) { int res = array[0]; //记录当前所有子数组的和的最大值 int maxi=array[0]; //包含array[i]的连续数组最大值 for (int i = 1; i < array.size(); i++) { maxi= max(maxi+array[i], array[i]); res= max(maxi, res); } return res; } }; |
上边的也可以开辟 vector<int> dp(size,0)
然后 每次计算结果都保存在 dp[i]中,最后返回dp数组中的最大值就好!
第三种解法:分治策略
分治策略,旨在将原先的大问题不断分解成规模小的问题,比如求最大连续子数组之和,先将原数组以中间界线分为三部分,左边是中界线左边的元素,右边是中界线右边的元素,第三部分是两边都有分布的元素的集合,因为最大连续子数组之和一定是这三部分之其中的一个,所以最后比较这三部分中最大的,就是最大连续子数组之和,也是该函数的返回值。而左边、右边的计算都继续递归分治函数,直到只有一个元素为止,而第三部分是以中间界线分别向左、向右连续相加,找出最大连续子数组之和,这是最关键的一步。
迭代次数为n=(mid-low+1)+(high-mid),也是将原本O(n^2)算法通过分治降为O(nlogn)的主要原因。
int hebing(int A[],int low,int mid,int high) int fenzhi(int A[],int low,int high) else if(righ_max>left_max&&righ_max>mid_max){ } int mysum(vector<int> a)
cout<<fenzhi(A,0,5)<<endl; |
分制算法的代码也比较好理解,只是找三个最大值,同样是基于递归进行分,然后合并的时候找中间的最大值!