Introduction_to_Algorithms_chap4

最新推荐文章于 2024-09-02 16:23:04 发布

小-立子

最新推荐文章于 2024-09-02 16:23:04 发布

阅读量1.9k

点赞数 2

分类专栏： Introduction_to_Algorithms

本文链接：https://blog.csdn.net/xlz836900756/article/details/62898392

版权

本文深入探讨了利用分治策略解决最大子数组问题，详细介绍了暴力和分治算法，并提供了相关练习及解答。同时，文章也涉及Strassen矩阵乘法的伪代码和时间复杂度分析，讨论了矩阵乘法优化方法及其性能比较。

摘要由CSDN通过智能技术生成

第四章分治策略

最大子数组问题(分治法)

问题描述：

给出数组A，寻找A的最大的非空连续子数组，其中A不能全为非负数。

问题分析：

1、最简单的方法便是暴力搜索，找到最大的子数组，所需要的时间为Θ(n^2)。

2、使用分治的策略，分治法就是把一个大的问题简化为几个小的问题来进行求解。我们可以把数组A从中点分割成两个子数组L，R;那么最大子数组问题简化为以下三种情况：

最大子数组位于L中，
最大子数组位于R中，
最大子数组跨越中点，一部分在L中，一部分在R中。

那么我们就可以使用递归的方式来进行求解了

伪代码：

FIND_MAX_CROSSING_SUBARRAY(A, low, mid, high):
1  left_sum = INT_MIN
2  sum = 0
3  for i = mid downto low
4      sum = sum + A[i]
5      if sum > left_sum
6          left_sum = sum
7          left_max = i
8  right_sum = INT_MIN
9  sum = 0
10 for i = mid+1 to high
11     sum = sum + A[i]
12     if sum > right_sum
13         right_sum = sum
14         right_max = i
15 return (left_max, right_max, left_sum + right_sum)
//
FIND_MAX_SUBARRAY(A, low, high):
1  if low == high
2      return (low, high, A[low])
3  else
4      mid = (low+high)/2   //向下取整
5      (left_low, left_high, left_sum) = FIND_MAX_SUBARRAY(A, low, mid)
6      (right_low, right_high, right_sum) = FIND_MAX_SUBARRAY(A, mid+1, high)
7      (cross_low, cross_high, cross_sum) = FIND_MAX_CROSSING_SUBARRAY(A, low, mid, high)
8      if left_sum >= right_sum and left_sum >= cross_sum
9          return (left_low, left_high, left_sum)
10     else if right_su