算法之最大子序列求和

暮然回首,参加工作毅然有数个年头了。一直从事软件研发方面的工作。

一步步走来,却发现不知道路该往哪走。沉思良久,决定近期内研习算法。

算法之最大子序列求和:

 

public static int maxSeq(int[] ins){

 

int maxSum=0,tmpSum=0;

 

for(int i=0; i<ins.length; i++){
  

   tmpSum+=a[i];

   if(tmpSum>maxSum)

     maxSum = tmpSum;

   else if(tmpSum<0)

     tempSum =0;

}

return maxSum;

}

 

当然此问题也可通过分治的思维,递归的来求解,但个人觉得以上方法,从时间复杂度来说,应该是线性时间。算是最优解中的一个吧。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1.1 单项选择题 1. 数据结构是一门研究非数值计算的程序设计问题中,数据元素的① 、数据信息在计算机中的② 以及一组相关的运算等的课程。 ① A.操作对象   B.计算方法  C.逻辑结构  D.数据映象 ② A.存储结构 B.关系 C.运算 D.算法 2. 数据结构DS(Data Struct)可以被形式地定义为DS=(D,R),其中D是① 的有限集合,R是D上的② 有限集合。 ① A.算法 B.数据元素 C.数据操作 D.数据对象 ② A.操作 B.映象 C.存储 D.关系 3. 在数据结构中,从逻辑上可以把数据结构分成 。 A.动态结构和静态结构 B.紧凑结构和非紧凑结构 C.线性结构和非线性结构 D.内部结构和外部结构 4. 算法分析的目的是① ,算法分析的两个主要方面是② 。 ① A. 找出数据结构的合理性 B. 研究算法中的输入和输出的关系 C. 分析算法的效率以改进 D. 分析算法的易懂性和文档性 ② A. 空间复杂性和时间复杂性 B. 正确性和简明性 C. 可读性和文档性 D. 数据复杂性和程序复杂性 5. 计算机算法指的是① ,它必具备输入、输出和② 等五个特性。 ① A. 计算方法 B. 排序方法 C. 解决问题的有限运算序列 D. 调度方法 ② A. 可行性、可移植性和可扩充性 B. 可行性、确定性和有穷性 C. 确定性、有穷性和稳定性 D. 易读性、稳定性和安全性 1.2 填空题(将正确的答案填在相应的空中) 1. 数据逻辑结构包括 、 、 和 四种类型,树形结构和图形结构合称为 。 2. 在线性结构中,第一个结点 前驱结点,其余每个结点有且只有 个前驱结点;最后一个结点 后续结点,其余每个结点有且只有 个后续结点。 3. 在树形结构中,树根结点没有 结点,其余每个结点有且只有 个直接前驱结点,叶子结点没有 结点,其余每个结点的直接后续结点可以 。 4. 在图形结构中,每个结点的前驱结点数和后续结点数可以 。 5. 线性结构中元素之间存在 关系,树形结构中元素之间存在 关系,图形结构中元素之间存在 关系。 6. 算法的五个重要特性是__ __ , __ __ , ___ _ , __ __ , _ ___。 7. 分析下面算法(程序段),给出最大语句频度 ,该算法的时间复杂度是__ __。 for (i=0;i<n;i++) for (j=0;j<n; j++) A[i][j]=0; 8. 分析下面算法(程序段),给出最大语句频度 ,该算法的时间复杂度是__ __。 for (i=0;i<n;i++) for (j=0; j<i; j++) A[i][j]=0; 9. 分析下面算法(程序段),给出最大语句频度 ,该算法的时间复杂度是__ __。 s=0; for (i=0;i<n;i++) for (j=0;j<n;j++) for (k=0;k<n;k++) s=s+B[i][j][k]; sum=s; 10. 分析下面算法(程序段)给出最大语句频度 ,该算法的时间复杂度是__ __。 int i=0,s=0; while (s<n) { i++; s+=i; //s=s+i } 11. 分析下面算法(程序段)给出最大语句频度 ,该算法的时间复杂度是__ __。 i=1; while (i<=n) i=i*2;
最大子段和问题是一个经典的算法问题,它的目标是在一个数列中找到一个连续的子序列,使得子序列中所有元素的和最大。Java实现最大子段和算法可以使用动态规划或分治法。 动态规划算法的思路是,从左到右遍历整个数列,对于每个位置,计算以该位置为结尾的最大子段和。具体实现可以使用一个数组来记录每个位置的最大子段和,然后再遍历一遍数组找到最大值即可。 分治法的思路是将问题分解成更小的子问题,然后递归解。具体实现可以将数列分成左右两部分,分别出左半部分、右半部分和跨越中点的最大子段和,然后取三者中的最大值即可。 下面是Java实现最大子段和算法的示例代码: 动态规划算法: ``` public static int maxSubArray(int[] nums) { int n = nums.length; int[] dp = new int[n]; dp[0] = nums[0]; int maxSum = dp[0]; for (int i = 1; i < n; i++) { dp[i] = Math.max(nums[i], dp[i-1] + nums[i]); maxSum = Math.max(maxSum, dp[i]); } return maxSum; } ``` 分治法算法: ``` public static int maxSubArray(int[] nums) { return maxSubArray(nums, 0, nums.length-1); } private static int maxSubArray(int[] nums, int left, int right) { if (left == right) { return nums[left]; } int mid = (left + right) / 2; int leftMax = maxSubArray(nums, left, mid); int rightMax = maxSubArray(nums, mid+1, right); int crossMax = maxCrossingSubArray(nums, left, mid, right); return Math.max(Math.max(leftMax, rightMax), crossMax); } private static int maxCrossingSubArray(int[] nums, int left, int mid, int right) { int leftSum = Integer.MIN_VALUE; int sum = 0; for (int i = mid; i >= left; i--) { sum += nums[i]; leftSum = Math.max(leftSum, sum); } int rightSum = Integer.MIN_VALUE; sum = 0; for (int i = mid+1; i <= right; i++) { sum += nums[i]; rightSum = Math.max(rightSum, sum); } return leftSum + rightSum; } ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值