最大子序列求和_最大子序列和问题

问题描述:

给定一个整数序列,a0, a1, a2, …… , an(项可以为负数),求其中最大的子序列和。如果所有整数都是负数,那么最大子序列和为0;

例如:对于序列-2, 11, -4, 13, -5, –2。 所求的最大子序列和为20(从11到13,即从a1到a3)。

用于测试下面代码的的主函数代码如下:(注意要更改调用的函数名)

int main(int argc, char **argv)

{

vector a;

a.push_back(-2);

a.push_back(11);

a.push_back(-4);

a.push_back(13);

a.push_back(-5);

a.push_back(-2);

int result;

result = maxSubSum1(a); //在这里更改调用的函数名 cout<

}

方法一:对所有的子序列求和,在其中找到最大的

这是最容易想到的,也是最直接的,就是对所有的子序列求和,代码如下:

int maxSubSum1( const vector &a )

{

int maxSum = 0;

for(int i=0; i

{

for(int j=i; j

{

int thisSum =0;

for( int k=i; k<=j; k++ )

{

thisSum += a[k];

}

if(thisSum>maxSum)

{

maxSum = thisSum;

}

}

}

return maxSum;

}

分析:

① 三层循环嵌套,时间复杂度为O(n^3)

② 包含有大量的重复计算,例如i=1时: 当 j=3,则计算a1+a2+a3;j=4,则计算a1+a2+a3+a4;其中a1+a2+a3是重复计算的。

另一种思路:上面的方法在每一次循环中,固定i,并把a[i]当做起点,下面的方法将a[i]当做终点。

int maxSubSum1_2( const vector &a )

{

int maxSum = 0;

for(int i=0; i

{

for(int j=0; j

{

int thisSum =0;

for(int k=j; k<=i; k++)

{

thisSum +=a[k]; //从节点j开始 累加到节点i

if(thisSum>maxSum)

{

maxSum = thisSum;

}

}

}

}

return maxSum;

}

方法二:从某点开始的所有序列中,找最大的

如果你意识到,子序列总要有一个位置开始,那么变换一下循环方式,只要求出在所有位置开始的子序列,找到最大的。代码如下:

int maxSubSum2( const vector &a )

{

int maxSum = 0;

for(int i=0; i

{

int thisSum =0;

for(int j=i; j

{

thisSum +=a[j]; //从节点i开始 累加到结尾

if(thisSum>maxSum)

{

maxSum = thisSum;

}

}

}

return maxSum;

}

分析:

① 两层循环嵌套,时间复杂度为O(n^2)

② 虽然比方法一要少,但同样包含重复计算。例如:当i=1时,要计算a1+a2+a3+a4+……;当i=2时,要计算a2+a3+a4+……;其中a2+a3+a4+……是重复的。

注意:下面是一个错误的方法,因为它的起始点固定了,每次都从a0开始,是不能保证遍历所有的子序列的。

int maxSubSum2_2( const vector &a )

{

int maxSum = 0;

for(int i=0; i

{

int thisSum =0;

for(int j=0; j<=i; j++ )

{

thisSum +=a[j]; //从节点0开始 累加到节点i

if(thisSum>maxSum)

{

maxSum = thisSum;

}

}

}

return maxSum;

}

如果希望将固定终点,那么计算的时候就要从终点开始,依次往前累加。代码如下:

int maxSubSum2_3( const vector &a )

{

int maxSum = 0;

for(int i=0; i

{

int thisSum =0;

for(int j=i; j>=0; j-- )

{//从节点i开始,向前累加到结尾0

thisSum +=a[j];

if(thisSum>maxSum)

{

maxSum = thisSum;

}

}

}

return maxSum;

}

方法三:从某一个正数开始

第一步:

到目前为止,题目的信息你只用到了:“最小子序列之和为0”(若有一项大于0,那么子序列的和一定大于或等于该项,也就大于0;因为若所有项都是负数,那么结果为0

如果你再挖掘一下题意:你就会发现,如果a[i]是负的,那么a[i]一定不是最终所有结果子序列的起始点。代码可以改造为:

int maxSubSum3_1( const vector &a )

{

int maxSum = 0;

for(int i=0; i

{ //(相对方法2,新增)如果a[i]<=0,那么a[i]一定不是所要求的起点,所以直接跳过去(利用for循环中有i++)

if( a[i]<=0 )

continue;

int thisSum =0;

for(int j=i; j

{

thisSum +=a[j];

if(thisSum>maxSum)

{

maxSum = thisSum;

}

}

}

return maxSum;

}

第二步:

如果你又再一步发现:任何负的子序列,不可能作为最优子序列的前缀

又因为上一步已经保证,序列以正数开头a[i]>0,所以若a[i]到a[j]之间元素的序列和 thisSum<=0时,则i+1和j之间元素不会为最优子序列的前缀,可以让i=j,即不需要判断在i和j之间元素开头。代码如下

int maxSubSum3_2( const vector &a )

{

int maxSum = 0;

for(int i=0; i

{ //(相对方法2,新增)如果a[i]<=0,那么a[i]一定不是所要求的起点,所以直接跳过去(利用for循环中有i++)

if( a[i]<=0 )

continue;

int thisSum =0;

for(int j=i; j

{

thisSum +=a[j];

if(thisSum>maxSum)

{

maxSum = thisSum;

}

else if( thisSum <= 0 )

{ //(相对方法3_1 新添) thisSum = 0; i = j; }

}

}

return maxSum;

}

第三步:

如果你又进一步发现:因为要求序列开始元素大于0, 若以a[i]开头的序列,a[i]>0,那么可以知道,所求的最终子序列一定不会以a[i+1]开始, 因为若到相同的元素终止,那么从a[i]开始序列,一定大于从a[i+1]开始的序列。因为s[i, k]=s[i+1, k]+a[i] 例如:a1+a2+a3>0,而又由于这时a1>0,

那么所求子序列一定不会以a2开始,因为从a1开始会更大。 更进一步,如若一个子序列thisSum>0(其中thisSum是从第m项到第n项的和),那么序列一定不会以a[m]和a[n]之间的项开始。 因为一直thisSum第一个元素a[m]是大于0的,且以a[m]开始的所有子序列都是大于0的,因为若存在子序列小于0,就会提前返回了。 例如:若程序执行到thisSum (为a2+a3+a4),若thisSum>0,则能说明,a2>0,并且a2+a3>0, a2+a3+a4>0。那么 也可以跳过a[m]和a[n]之间的项,即另

i=j。

int maxSubSum3_3( const vector &a )

{

int maxSum = 0;

for(int i=0; i

{ //(相对方法2,新增)如果a[i]<=0,那么a[i]一定不是所要求的起点,所以直接跳过去(利用for循环中有i++)

if( a[i]<=0 )

continue;

int thisSum =0;

for(int j=i; j

{

thisSum +=a[j];

if( thisSum>0 )

{ //(相对方法3_2 新添)

if(thisSum>maxSum)

{ maxSum = thisSum; }

i = j; //(相对方法3_2 新添)

}

else if( thisSum <= 0 )

{ //(相对方法3_1 新添)

thisSum = 0;

i = j;

}

}

}

return maxSum;

}

第四步:

最后如果你又了解一些程序结构上的优化的知识,那么你会发现下面的问题:

① 循环的分支可以改变一下,去除嵌套分支结构。

② 判断语句的分支中有共同部分,( i=j ),可以抽取出来。

以上两步以后,循环部分的代码编程 变成:

for(int i=0; i

{

if( a[i]<=0 )

continue;

int thisSum =0;

for(int j=i; j

{

thisSum +=a[j];

if(thisSum>maxSum)

{ maxSum = thisSum; }

else if( thisSum>0 )

{ //do nothing }

else if( thisSum <= 0 )

{ thisSum = 0; }

i = j;

}

}

③ 下面这步非常重要,如果你发现,内层循环的循环变量j 和 外层循环的循环变量i同步增长,那么你是否能够想到,外层循环可能没有存在的必要。在这里到底能不能去除外层循环,取决于外层循环中是否有额外的工作要做。这里的额外工作是是if(a[i]

<=0) 判断语句,如果你能发现内层循环的 if(thisSum < 0)的判断能够替代 if( a[i]<=0 ) 的工作。因为thisSum是由a[j]得到的。

到这里,代码就可以神奇的变为如下的形式:常量空间,线性时间

int maxSubSum3_4( const vector &a )

{

int maxSum = 0;

int thisSum = 0;

for(int j=0; j

{

thisSum += a[j];

if(thisSum>maxSum)

{ maxSum = thisSum; }

else if( thisSum>0 )

{ //do nothing }

else if( thisSum < 0 )

{ thisSum = 0; }

}

return maxSum;

}

分析:

① 只有一层循环,时间复杂度为O(n)常量空间,线性时间,这是最优解法

分享到:

18e900b8666ce6f233d25ec02f95ee59.png

72dd548719f0ace4d5f9bca64e1d7715.png

2012-09-07 21:52

浏览 348

评论

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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