最大子序列和，最小子序列和，最小正子序列和，最大子序列乘积

最新推荐文章于 2022-04-11 09:00:00 发布

weixin_30847271

最新推荐文章于 2022-04-11 09:00:00 发布

阅读量346

点赞数

文章标签：数据结构与算法 c/c++

原文链接：http://www.cnblogs.com/mingc/p/5903759.html

版权

本文详细介绍了四种不同时间复杂度的子序列算法实现，包括穷举法(O(N^3))、改进后的穷举法(O(N^2))、分治算法(O(NlogN))以及最优的联机算法(O(N))。此外，还提供了最小子序列和、最小正子序列和及最大子序列乘积的算法实现。

摘要由CSDN通过智能技术生成

来自：【数据结构与算法分析——C语言描述】练习2.12

有关这 4 个子序列算法的思路，都是源于最大子序列和问题的延伸，具体请参考【数据结构与算法分析——C语言描述】第二章总结算法分析中的 “最大子序列和问题”部分。

下面是 4 个子序列算法的代码实现。

最大子序列和

1. 穷举法，时间复杂度O（N³）

int maxSequenceSum1(const int A[], int N)
{
    int i, j, k, maxSum, thisSum;

    maxSum = 0;
    for (i = 0; i < N; i++)
    {
        for (j = i; j < N; j++)
        {
            thisSum = 0;
            for (k = i; k <= j; k++)
                thisSum += A[k];

            if (thisSum > maxSum)
                maxSum = thisSum;
        }
    }
　　return maxSum;
}

2. 撤一个for，O（N²）

int maxSequenceSum2(const int A[], int N)
{
    int i, j, maxSum, thisSum;

    maxSum = 0;
    for (i = 0; i < N; i++)
    {
        thisSum = 0;
        for (j = i; j < N; j++)
        {
            thisSum += A[j];

            if (thisSum > maxSum)
                maxSum = thisSum;
        }
    }
    return maxSum;
}

3. 分治算法，O（NlogN）

int maxSubSum(const int A[], int left, int right)
{
    int maxLeftSum, maxRightSum;
    int maxLeftBorderSum, maxRightBorderSum;
    int leftBorderSum, rightBorderSum;
    int center, i;

    if (left == right)    /*Base case*/
    {
        if (A[left] > 0)
            return A[left];
        else
            return 0;
    }

    center = (left + right) / 2;
    maxLeftSum = maxSubSum(A, left, center);
    maxRightSum = maxSubSum(A, center + 1, right);

    maxLeftBorderSum = 0;    leftBorderSum = 0;
    for (i = center; i >= left; i--)
    {
        leftBorderSum += A[i];
        if (leftBorderSum > maxLeftBorderSum)
            maxLeftBorderSum = leftBorderSum;
    }

    maxRightBorderSum = 0;    rightBorderSum = 0;
    for (i = center + 1; i <= right; i++)
    {
        rightBorderSum += A[i];
        if (rightBorderSum > maxRightBorderSum)
            maxRightBorderSum = rightBorderSum;
    }
    return max(maxLeftSum, maxRightSum,
        maxLeftBorderSum + maxRightBorderSum);
}

int maxSequenceSum3(const int A[], int N)
{
    return maxSubSum(A, 0, N - 1);
}

4. 联机算法，O（N）

int maxSequenceSum4(const int A[], int N)
{
    int i, maxSum, thisSum;

    maxSum = 0; thisSum = 0;
    for (i = 0; i < N; i++)
    {
        thisSum += A[i];

        if (thisSum> maxSum)
            maxSum = thisSum;
        else if (thisSum < 0)
            thisSum = 0;
    }
    return maxSum;
}

下面，我仍然采用更优的联机算法来求解最小子序列和、最小正子序列和、以及最大子序列乘积。

最小子序列和

int minSequenceSum(const int A[],int N)
{
    int minSum, thisSum, i;

    minSum = 0; thisSum = 0;
    for (i = 0; i < N; i++)
    {
        thisSum += A[i];;

        if (thisSum < minSum)
            minSum = thisSum;
        else if (thisSum>0)
            thisSum = 0;
    }
    return minSum;
}

最小正子序列和

int minPositiveSubSum(const int A[], int N)
{
    int minSum, thisSum, i;

    minSum = 0x7FFFFFFF; thisSum = 0;
    for (i = 0; i < N; i++)
    {
        thisSum += A[i];

        if (thisSum < minSum && thisSum > 0)
            minSum = thisSum;
        else if (thisSum < 0)
            thisSum = 0;
    }
    return minSum;
}

最大子序列乘积

int maxPositiveSubMul(const int A[], int N)
{
    int maxMul, thisMul, i;

    maxMul = 1; thisMul = 1;
    for (i = 0; i < N; i++)
    {
        thisMul *= A[i];

        if (thisMul > maxMul)
            maxMul = thisMul;
    }

    return maxMul;
}

转载于:https://www.cnblogs.com/mingc/p/5903759.html