浙江大学慕课《数据结构》学习笔记_1.3 应用实例

本文链接：https://blog.csdn.net/weixin_50475073/article/details/118825634

第一讲基本概念

1.3 应用实例：最大子列和问题

给定N个整数的序列{ A1, A2, …, AN}，求函数的最大值。

算法一：

int MaxSubseqSum1( int A[], int N )
{ 
	int ThisSum, MaxSum = 0;
	int i, j, k;
	for( i = 0; i < N; i++ ) /* i是子列左端位置 */
	{ 
		for( j = i; j < N; j++ ) /* j是子列右端位置 */
		{ 
			ThisSum = 0; /* ThisSum是从A[i]到A[j]的子列和 */
			for( k = i; k <= j; k++ )
				ThisSum += A[k];
			if( ThisSum > MaxSum ) /* 如果刚得到的这个子列和更大 */
				MaxSum = ThisSum; /* 则更新结果 */
		} /* j循环结束 */
	} /* i循环结束 */
	return MaxSum;
}

T( N ) = O( N³ )

算法2：

int MaxSubseqSum2( int A[], int N )
{
	int ThisSum, MaxSum = 0;
	int i, j;
	for( i = 0; i < N; i++ ) /* i是子列左端位置 */
	{ 
		ThisSum = 0; /* ThisSum是从A[i]到A[j]的子列和 */
		for( j = i; j < N; j++ ) /* j是子列右端位置 */
		{ 
			ThisSum += A[j];
			/*对于相同的i，不同的j，只要在j-1次循环的基础上累加1项即可*/
			if( ThisSum > MaxSum ) /* 如果刚得到的这个子列和更大 */
				MaxSum = ThisSum; /* 则更新结果 */
			} /* j循环结束 */
	} /* i循环结束 */
	return MaxSum;
}

T( N ) = O( N² )

算法3：分而治之

在这里插入图片描述
先将整个序列分为两半，再对这两个序列再对半分，重复进行直至分到最小，再依次对两边计算序列和并更新最大序列和。

    int Max3( int A, int B, int C )
    { /* 返回3个整数中的最大值，注计算机会自动把满足三目表达式的看做一个整体 */
        return A > B ? A > C ? A : C : B > C ? B : C;
    }
 
    int DivideAndConquer( int List[], int left, int right )
    { /* 分治法求List[left]到List[right]的最大子列和 */
        int MaxLeftSum, MaxRightSum; /* 存放左右子问题的解 */
        int MaxLeftBorderSum, MaxRightBorderSum; /*存放跨分界线的结果*/
 
        int LeftBorderSum, RightBorderSum;
        int center, i;
 
        if( left == right )  { /* 递归的终止条件，子列只有1个数字 */
            if( List[left] > 0 )  return List[left];
            else return 0;
        }
 
        /* 下面是"分"的过程 */
        center = ( left + right ) / 2; /* 找到中分点 */
        /* 递归求得两边子列的最大和，注：递归算法经过return会挑出当前递归，返回上一层递归 */
        MaxLeftSum = DivideAndConquer( List, left, center );
        MaxRightSum = DivideAndConquer( List, center+1, right );
 
        /* 下面求跨分界线的最大子列和 */
        MaxLeftBorderSum = 0; LeftBorderSum = 0;
        for( i=center; i>=left; i-- ) { /* 从中线向左扫描 */
            LeftBorderSum += List[i];
            if( LeftBorderSum > MaxLeftBorderSum )
                MaxLeftBorderSum = LeftBorderSum;
        } /* 左边扫描结束 */
 
        MaxRightBorderSum = 0; RightBorderSum = 0;
        for( i=center+1; i<=right; i++ ) { /* 从中线向右扫描 */
            RightBorderSum += List[i];
            if( RightBorderSum > MaxRightBorderSum )
                MaxRightBorderSum = RightBorderSum;
        } /* 右边扫描结束 */
 
        /* 下面返回"治"的结果 */
        return Max3( MaxLeftSum, MaxRightSum, MaxLeftBorderSum + MaxRightBorderSum );
    }
 
    int MaxSubseqSum3( int List[], int N )
    { /* 保持与前2种算法相同的函数接口 */
        return DivideAndConquer( List, 0, N-1 );
    }

T ( N ) = 2 T( N/2 ) + c N , T(1) = O(1)
= 2 [2 T( N/2² ) + c N/2] + c N
= 2^k O(1) + c k N 其中 N/2^k = 1
= O( N log N )

算法4：在线处理

int MaxSubseqSum4( int A[], int N )
{
	int ThisSum, MaxSum;
	int i;
	ThisSum = MaxSum = 0;
	for( i = 0; i < N; i++ ) 
	{
		ThisSum += A[i]; /* 向右累加 */
		if( ThisSum > MaxSum )
			MaxSum = ThisSum; /* 发现更大和则更新当前结果 */
		else if( ThisSum < 0 ) /* 如果当前子列和为负 */
			ThisSum = 0; /* 则不可能使后面的部分和增大，抛弃之 */
	}
	return MaxSum;
}