求最大连续子序列之和C语言,杭州电子科技大学 Online Judge 之 “最大连续子序列（ID1231）”解题报告...

杭州电子科技大学 Online Judge 之 “最大连续子序列(ID1231)”解题报告

杭州电子科技大学Online Judge 之 “最大连续子序列(ID1231)”解题报告

巧若拙(欢迎转载，但请注明出处：http://blog.)

Problem Description

给定K个整数的序列{ N1, N2, ..., NK }，其任意连续子序列可表示为{ Ni, Ni+1, ...,

Nj }，其中 1 <= i <= j <= K。最大连续子序列是所有连续子序列中元素和最大的一个，

例如给定序列{ -2, 11, -4, 13, -5, -2 }，其最大连续子序列为{ 11, -4, 13 }，最大和

为20。

在今年的数据结构考卷中，要求编写程序得到最大和，现在增加一个要求，即还需要输出该

子序列的第一个和最后一个元素。

Input

测试输入包含若干测试用例，每个测试用例占2行，第1行给出正整数K( < 10000 )，第2行给出K个整数，中间用空格分隔。当K为0时，输入结束，该用例不被处理。

Output

对每个测试用例，在1行里输出最大和、最大连续子序列的第一个和最后一个元

素，中间用空格分隔。如果最大连续子序列不唯一，则输出序号i和j最小的那个(如输入样例的第2、3组)。若所有K个元素都是负数，则定义其最大和为0，输出整个序列的首尾元素。

Sample Input

6

-2 11 -4 13 -5 -2

10

-10 1 2 3 4 -5 -23 3 7 -21

6

5 -8 3 2 5 0

1

10

3

-1 -5 -2

3

-1 0 -2

0

Sample Output

20 11 13

10 1 4

10 3 5

10 10 10

0 -1 -2

0 0 0

算法分析：

本题是动态规划算法的典型应用。有两种方法来实现动态规划算法。

算法1：

使用变量sum累计当前连续子序列之和，只要sum>=0，就不停累计下去，并把最大连续子序列之和记录到maxSum中。如果sum小于0了，则将sum归零，重新开始。

题目要求输出该子序列的第一个和最后一个元素，我们只需要在更新maxSum的同时更新记录最大子序列边界的变量maxRight和maxLeft就行了。

为了能够正确处理序列值为非正整数的情况，我们初始化maxSum = -1;

maxLeft = 0;

maxRight = n-1;

说明：

算法思想：动态规划。

数据结构：基本数据类型。

时间复杂度： O(N);

本题的姐妹题是“MaxSum(ID1003)”，算法思想相同，输出要求不同。

12390498    2014-12-04 13:59:52    Accepted    1231

62MS    256K    878 B

C    巧若拙

算法2：

设置一个辅助数组S[MAX];用来存储连续子序列的最大和。先取S[0] = A[0]; 如果S[i-1] > 0，则S[i] = S[i-1] + A[i]; 否则S[i] = A[i]; 即重新计算S[i]的值，相当于算法1中的将sum归零。

这样遍历数组A，计算出所有S[i]。然后遍历S[i]，找出最大值，即最大连续子序列和，对应的下标i就是序列的右边界right；从right往前遍历，直到S[i] < 0，则左边界left=i+1。

说明：

算法思想：动态规划。

数据结构：基本数据类型。

时间复杂度： O(N);

空间复杂度： O(MAX);

12399272    2014-12-05 14:14:37    Accepted    1231

124MS    1132K    1010 B

C    巧若拙

代码如下：

#include

#include

#include

#define MAX 10000

void MaxSubsequenceSum(const int A[], int n);//动态规划算法

int main()

{

int A[MAX];

int k, i;

scanf("%d", &k);

while (k != 0)

{

for (i=0; i

{

scanf("%d", &A[i]);

}

MaxSubsequenceSum(A, k);//动态规划算法

scanf("%d", &k);

}

return 0;

}

void MaxSubsequenceSum(const int A[], int n)//动态规划算法

{

int sum, maxSum, i, left, maxRight, maxLeft;

maxSum = -1;

sum = 0;

maxLeft = 0;

maxRight = n-1;

for (left=i=0; i

{

sum += A[i];

if (sum > maxSum)

{

maxSum = sum;

maxLeft = left;

maxRight = i;

}

else if (sum < 0) //连续子序列之和小于0了，则重新开始

{

sum = 0;

left = i + 1;

}

}

if (maxSum < 0)

maxSum = 0;

printf("%d %d %d\n", maxSum, A[maxLeft], A[maxRight]);

}

算法2：

void MaxSubsequenceSum(const int A[], int n)//动态规划算法

{

int S[MAX];//用来存储连续子序列的最大和

int i, left, right;

S[0] = A[0];

for (i=1; i

{

if (S[i-1] > 0)

S[i] = S[i-1] + A[i];

else

S[i] = A[i];

}

for (right=i=0; i

{

if (S[i] > S[right])

right = i;

}

for (i=right; i>=0; i--)//查找连续子序列的最大和的左边界

{

if (S[i] < 0)

break;

}

left = i + 1;

if (S[right] < 0)//全部元素都是负数的情形

{

left = 0;

right = n - 1;

S[right] = 0;

}

printf("%d %d %d\n", S[right], A[left], A[right]);

}

[本帖最后由 巧若拙 于 2014-12-5 14:56 编辑]