最大子列和问题
问题描述来自PTA-数据结构与算法题目集(中文)7-1 最大子列和问题:
给定K个整数组成的序列{ N1,N2,…,NK},“连续子列”被定义为{Ni,Ni+1,…,Nj},其中 1≤i≤j≤K。“最大子列和”则被定义为所有连续子列元素的和中最大者。例如给定序列{ -2, 11, -4, 13, -5, -2 },其连续子列{ 11, -4, 13 }有最大的和20。现要求你编写程序,计算给定整数序列的最大子列和。
本题旨在测试各种不同的算法在各种数据情况下的表现。各组测试数据特点如下:
数据1:与样例等价,测试基本正确性;
数据2:102个随机整数;
数据3:103个随机整数;
数据4:104个随机整数;
数据5:105个随机整数;
输入格式:
输入第1行给出正整数K (≤100000);第2行给出K个整数,其间以空格分隔。
输出格式:
在一行中输出最大子列和。如果序列中所有整数皆为负数,则输出0。
输入样例:
6
-2 11 -4 13 -5 -2
输出样例:
20
暴力求解
对
i
i
i 从
0...
N
0...N
0...N,
j
j
j 从
0...
N
0...N
0...N 求
S
u
m
(
i
,
j
)
Sum(i,j)
Sum(i,j),其中
S
u
m
(
i
,
j
)
=
N
i
+
N
i
+
1
+
.
.
.
+
N
j
Sum(i,j)=N_i+N_{i+1}+...+N_j
Sum(i,j)=Ni+Ni+1+...+Nj
在所有
S
u
m
(
i
,
j
)
Sum(i,j)
Sum(i,j)中求最大值,即为整个序列的最大子序列和
for(int i = 0;i < num;i++)
{
for(int j = 0;j < num;j++)
{
int sum = 0;
for(int k = i;k < j;k++)
{sum += array[k];}
if(sum>maxsum) {maxsum = sum;/*printf("%d\n",maxsum);*/}
}
}
但是三重循环在序列的 N N N 较大时会超时
暴力算法改进
在求
S
u
m
(
i
,
j
)
Sum(i,j)
Sum(i,j)的过程中,其实有
S
u
m
(
i
,
j
+
1
)
=
S
u
m
(
i
,
j
)
+
a
r
r
a
y
[
j
+
1
]
Sum(i,j+1)=Sum(i,j)+array[j+1]
Sum(i,j+1)=Sum(i,j)+array[j+1]
我们之前的求解过程中存在大量的重复计算,去除重复计算也是算法优化的一大途径
for(int i = 0;i < num;i++)
{
int sum = 0;
for(int j = i;j < num;j++)
{
sum += array[j];
if(sum>maxsum) {maxsum = sum;}
}
}
尽管如此,整个算法的复杂度依旧是 O ( N 2 ) O(N^2) O(N2),这开销依旧是十分巨大的。
动态规划
最大子序列和问题是动态规划中最为经典的问题之一,所以已知可以用动态规划的思想去求解。
对于一个长度为
i
i
i 的序列,我们求其到达第
i
i
i 位时最大子序列和
S
u
m
[
i
]
Sum[i]
Sum[i],可以先求到达其前
i
−
1
i-1
i−1 项的最大子序列和
S
u
m
[
i
−
1
]
Sum[i-1]
Sum[i−1],看该和与第
i
i
i 项相加后与第
i
i
i 项比较的结果,从而我们可以得到状态转移方程
S
u
m
[
i
]
=
m
a
x
(
S
u
m
[
i
−
1
]
+
a
r
r
a
y
[
i
]
,
a
r
r
a
y
[
i
]
)
,
其
中
i
≥
1
Sum[i] = max(Sum[i-1]+array[i],array[i]),其中i\geq1
Sum[i]=max(Sum[i−1]+array[i],array[i]),其中i≥1
对于长度为
N
N
N的序列,我们求出长度为
0..
N
0..N
0..N的子序列和
S
u
m
[
0
]
.
.
.
S
u
m
[
N
]
Sum[0]...Sum[N]
Sum[0]...Sum[N]后,对整个Sum数组进行比较后可以在其中求出整个序列的最长子序列和maxsum
。
因为存储
S
u
m
[
0..
N
]
Sum[0..N]
Sum[0..N]会耗费成本,所以在算法中只是用sum
变量记录,而比较也会花费时间,所以直接在循环中比较,求得
int maxsum = array[0];
int sum = array[0];
for(int i = 1;i < num;i++)
{
if(sum+array[i]>array[i])
sum += array[i];
else
sum = array[i];
if(sum>maxsum)
maxsum = sum;
}
所以其实整个问题先将对长度为N的序列的最大子序列和化为对第0…N位的最大子序列和的求解,而第0…N位的最大子序列和可以用动态规划的思想求解,再在0…N位的最大子序列中求取最大的,从而求解出整个序列的最大子序列和。
后记
感谢胡凡算法笔记其中动态规划的讲解,讲解得非常细致全面,推荐推荐
4.13号不小心误删覆盖了一次,没实现恢复,不管了,先贴代码,有心情再来重新写
4.14号重新写了一次,但是觉得仍有纰漏