一个连续的数组,分成m个连续子数组,求各个子数组的和的最大值最小

一个连续的数组,分成m个连续子数组,求各个子数组的和的最大值最小
这是在freewheels笔试的第一个编程题,我还是没搞懂呀
参考一下别人的代码:

#include <iostream>
#include <ctime>
using namespace std;
#define N 10
#define INF 1000

int juge(int a[], int mid, int k)
{
	int i;
	int seg = 0;
	int sum = 0;
	for (i = 0; i < N; i++)
	{
		sum += a[i];
		if (sum > mid)        //从左到右将数组元素之和与mid比较,如是大于则再起一段,最后看段的大小
		{
			sum = a[i];
			seg++;
		}
	}
	if (seg >= k)    //若是段超过3,则必然不和条件
		return 0;
	else
		return 1;
}

int value(int a[], int low, int high, int segment)        //分治法求解
{
	if (low > high)
		return high + 1;
	else
	{
		int mid = (low + high) / 2;
		if (juge(a, mid, segment) == 1)        //如果试验数mid符合要求,递归到前一半
			return value(a, low, mid - 1, segment);
		else                            //如果试验数mid不符合要求,递归到后一半
			return value(a, mid + 1, high, segment);
	}
}

int main()
{
	srand((unsigned)time(NULL));
	int a[N];
	for (int ifor = 0; ifor < N; ifor++)
		a[ifor] = rand() % 20;
	for (int ifor = 0; ifor < N; ifor++)
		cout << a[ifor] << " ";

	//int a[N]={9,19,15,13,13,9,14,1,1,7};
	int m = 3;
	cout << endl;
	//求出队列中所有数的和max,还要求出当中最小的数min 求出[min,max]即二分的范围
	int min = INF, max = 0;
	for (int i = 0; i < N && a[i] != ' '; i++)
	{
		max += a[i];
		if (a[i] < min)
			min = a[i];
	}
	cout << endl;
	int tem = value(a, min, max, m);        //调用value函数求值
	cout << tem << endl;
	system("pause");
	return 0;
}

如果已知候选答案的范围[min,max],有时候我们不必通过计算得到答案,只需在此范围内应用“二分”的过程,逐渐靠近答案(最后,得到答案)!

一、何时可以使用“二分答案”

不是任何题目都适合使用“二分答案”的,我Sam观察到一般有以下的一些特征:


A. 候选答案必须是离散的,且已知答案的范围是:[最小值min, 最大值max](连续区间上不能进行二分操作)



    例如,在题目“Kth Largest 第k大的数”中 ==> 答案是闭区间[a[1]b[1], a[n]b[n]]上的正整数
    例如,在题目“Drying 烘干衣服”中 ==> 烘干时间t∈[0,maxT], maxT=max{a[i]}


B. 候选答案在区间[min,max]上某种属性一类一类的排列(这样就能在此属性上进行二分操作),各个类别不交错混杂



    例如,在题目“Kth Largest 第k大的数”中 ==>

             (候选答案)第k大的数的值:              a[1]b[1],  ... , a[n]b[n]

             (属性分类)>这个乘积的数有多少:      n^2-1     ...      0



    例如,在题目“Drying 烘干衣服”中 ==>

             (候选答案)烘干时间:  t=0,  t=1,  t=2,  t=3,  ...,  t=maxT-1,  t=maxT

             (属性分类)能否烘干:  不能  不能   不能   能     ...    能               能


C. 容易判断某个点是否为答案(即二分过程中,mid指向的点是否为答案)
    例如,在题目“Kth Largest 第k大的数”中 ==> λ∈[ a[1]b[1], a[n]b[n] ]

             对于某个候选答案,如果“>λ的乘积个数"<k  && “>λ-1的乘积个数”≥k,则答案为λ



    例如,在题目“Drying 烘干衣服”中 ==>

             需要寻找第一个出现的“能”(true),即如果check(mid-1)==false && check(mid)==true,则答案为mid.

参考二分答案方法 — 最大值最小化问题

  • 1
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
解法1:暴力枚举 通过枚举所有的连续数组,计算它们的和,最后返回最大的和。 时间复杂度:O(n^2) 代码: class Solution: def maxSubArray(self, nums: List[int]) -> int: max_sum = float('-inf') for i in range(len(nums)): cur_sum = 0 for j in range(i, len(nums)): cur_sum += nums[j] if cur_sum > max_sum: max_sum = cur_sum return max_sum 解法2:动态规划 我们可以用 dp[i] 表示以第 i 个元素结尾的最大连续数组的和,那么 dp[i] 可以由 dp[i-1] 转移得到: dp[i] = max(dp[i-1] + nums[i], nums[i]) 时间复杂度:O(n) 代码: class Solution: def maxSubArray(self, nums: List[int]) -> int: dp = [0] * len(nums) dp[0] = nums[0] max_sum = nums[0] for i in range(1, len(nums)): dp[i] = max(dp[i-1] + nums[i], nums[i]) max_sum = max(max_sum, dp[i]) return max_sum 解法3:分治法 将数组分成左右两部分,分别出左半部分的最大数组、右半部分的最大数组以及跨越中心的最大数组,最后返回三者中的最大值。 时间复杂度:O(nlogn) 代码: class Solution: def maxSubArray(self, nums: List[int]) -> int: return self.helper(nums, 0, len(nums)-1) def helper(self, nums, left, right): if left > right: return float('-inf') mid = (left + right) // 2 left_max = self.helper(nums, left, mid-1) right_max = self.helper(nums, mid+1, right) cross_max = self.crossMax(nums, left, mid, right) return max(left_max, right_max, cross_max) def crossMax(self, nums, left, mid, right): left_max = float('-inf') cur_sum = 0 for i in range(mid, left-1, -1): cur_sum += nums[i] left_max = max(left_max, cur_sum) right_max = float('-inf') cur_sum = 0 for i in range(mid+1, right+1): cur_sum += nums[i] right_max = max(right_max, cur_sum) return left_max + right_max 解法4:贪心算法 我们可以从左到右遍历数组,记录当前连续数组的和 cur_sum 和最大连续数组的和 max_sum,如果 cur_sum 加上下一个数 nums[i] 小于 nums[i],那么从 nums[i] 开始重新计算 cur_sum。每次更新 max_sum,最后返回 max_sum 即可。 时间复杂度:O(n) 代码: class Solution: def maxSubArray(self, nums: List[int]) -> int: cur_sum = max_sum = nums[0] for i in range(1, len(nums)): cur_sum = max(nums[i], cur_sum+nums[i]) max_sum = max(max_sum, cur_sum) return max_sum
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