最大子阵

最大子阵

蓝桥杯

---

问题描述

给定一个n*m的矩阵A，求A中的一个非空子矩阵，使这个子矩阵中的元素和最大。

其中，A的子矩阵指在A中行和列均连续的一块

---

输入格式

输入的第一行包含两个整数n, m，分别表示矩阵A的行数和列数。
接下来n行，每行m个整数，表示矩阵A。

---

输出格式

输出一行，包含一个整数，表示A中最大的子矩阵中的元素和。

---

样例输入

3 3
-1 -4 3
3 4 -1
-5 -2 8

---

样例输出

10

---

样例说明

取最后一列，和为10。

---

数据规模和约定

对于50%的数据，1<=n, m<=50；
对于100%的数据，1<=n, m<=500，A中每个元素的绝对值不超过5000。

---

做法：

1.做二维最大子阵前，先了解一维最大子阵

• 它又被叫做 一维最大连续子序列和
  $$前3个数的最大之和=max\{\begin{array}{l}第3个数的值(此另起一个线程后，下一个即从?开始)\\ 前2个数的最大之和+第3个数的值\end{array}$$

↓↓↓

上面的内容隐含(从0开始到当前3) ， 所以还需要优化至从?开始到当

↓↓↓

$$第?个数到3的最大之和=max\{\begin{array}{l}第3个数的值\\ 第?个数到2的最大之和+第3个数的值\end{array}$$

↓↓↓

$$dp[i]=max\{\begin{array}{l}data[i]\\ dp[i-1]+data[i]\end{array}$$

然后再用另一个变量记录dp[i]的最大值

• 以上，便得到了 1维最大子阵 的状态转移方程。

---

2.知道了1维最大子阵后，再说说二维最大子阵

写在前面: 直接在 一维子阵的状态转移方程 的基础上，再推一个二维子阵（类似于dp[i][j]）的状态转移方程是比较困难的。所以下面在另一个方法中 利用一维子阵的状态转移方程，而不是直接推导。

下面借鉴一下别人的内容。

• 视频版核心思想
• 文字版核心思想

---

3.代码

#include<iostream>
#include<algorithm>
#include<string>
#include<vector>
#include<cmath>
using namespace std; 

int dp[600][600]={0};//给后面 最大子序列和 进行dp用的
int sum[600][600]={0};//sum[3][1]就代表 1列的 一二三行之和 

int main()
{
	//输入矩阵，并准备好叠加起来的数组sum
	int n,m;cin>>n>>m;
	for(int i=1;i<=n;i++){
		for(int j=1;j<=m;j++){
			int data;cin>>data;//输入 
			sum[i][j]=data+sum[i-1][j];//叠加前一行 
		}
	}
	
	//=====================核心部分========================
	int ans=-6000;//记录最大值 
	for(int i=1;i<=n;i++){
		for(int j=i;j<=n;j++){//遍历相减的两行 
			
			
			//处理 行数确定时，不同列之间的 最大子序列和(一维) 
			int dp2[600]={0};
			for(int lie=1;lie<=m;lie++){//控制列数 
				//最大子序列和的 动态规划
				//（这里不要独立成函数 因为会大大增加耗时 
				int data=sum[j][lie]-sum[i-1][lie]; 
				dp2[lie]=max(data,dp2[lie-1]+data);
				if(dp2[lie]>ans)ans=dp2[lie];
			}
			
			
		}
	} 
	//====================================================
	
	cout<<ans<<endl; 	return 0;
}