从最大子列和问题看几种不同的算法思想

最新推荐文章于 2024-11-04 19:24:37 发布

南望96X

最新推荐文章于 2024-11-04 19:24:37 发布

阅读量174

点赞数

分类专栏：数据结构与算法文章标签：算法

本文链接：https://blog.csdn.net/saw96x/article/details/104752715

版权

数据结构与算法专栏收录该内容

4 篇文章 0 订阅

订阅专栏

首发地址：https://www.cnblogs.com/saw96x/p/12411966.html
题目描述
只看题目描述不看测试数据特点的话，第一眼能想到的算法无非就是利用遍历逐个相加，算出每一种可能的子列和，然后返回其中最大的子列和，看看代码如何实现

int MaxSumSeq(int a[],int len){
    int ThisSum=0,MaxSum=0;
    for(int i=0;i<len;i++){//子列的左端
        for(int j=i;j<len;j++){//子列的右端，循环实际上是左端一个个加，到右端为止，然后再移动左端
            ThisSum+=a[i];
            if(ThisSum>MaxSum)
                MaxSum=ThisSum;
        }
    }
    return MaxSum;
}

这个算法应该是比较容易想到的（不过小白笔者还是写了一小会555555），但这个代码的时间复杂度高达O(n2)，对于测试数据来说，前两个可以还算快的跑完，但是3，4，5的数据量经过平方就变得非常恐怖了，所需要的时间也快速飙升，那么有没有复杂度更低的算法呢

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 );
    }

那就是用经典的分而治之思想了，将总列分为左右两个子列，分别求他们的子列和与跨越中线的子列和，然后对于左右两边的子列，继续分为子列，继续求子列和和跨越中线的子列和······然后再依次返回其中的最大子列和，相加······这样的算法好处是时间复杂度大大减少，达到了O(nlog n)，但当数据非常非常大的时候，可能由于递归次数过多导致栈溢出，程序不正常结束（对于快速排序和求子列和这种分而治之的问题一般达不到溢出的程度）

笔者一度认为这就是最高效的算法了，但今日又看到了新的更快的算法：在线处理

int MaxSumSeq(int a[],int len){
    int ThisSum=0,MaxSum=0;
    for(int i=0;i<len;i++){
        ThisSum+=a[i];
        if(MaxSum<ThisSum)
            MaxSum=ThisSum;
        if(ThisSum<0)
            ThisSum=0;
    }
    return MaxSum;
}