-
题目来源:
中国大学MOOC-陈越、何钦铭-数据结构 -
题目详情:
给定K个整数组成的序列 [ N 1 , N 2 , . . . , N K ] [N1, N2, ..., NK] [N1,N2,...,NK],“连续子列”被定义为 [ N i , N i + 1 , . . . , N j ] [Ni, Ni+1 , ..., Nj] [Ni,Ni+1,...,Nj],其中 1 ≤ i ≤ j ≤ K 1≤i≤j≤K 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 ] [-2, 11, -4, 13, -5, -2 ] [−2,11,−4,13,−5,−2],其连续子列 [ 11 , − 4 , 13 ] [ 11, -4, 13 ] [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
)
K (≤100000)
K(≤100000);第2行给出
K
K
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
解题方法:动态规划
-
状态定义:
设动态规划列表 d p dp dp ,输入数组 n u m s nums nums, d p [ i ] dp[i] dp[i] 代表以输入数组元素 n u m s [ i ] nums[i] nums[i]为结尾的连续子数组最大和。 -
状态转移方程:
若 d p [ i − 1 ] ≤ 0 dp[i−1]≤0 dp[i−1]≤0,说明 d p [ i − 1 ] dp[i - 1] dp[i−1]对 d p [ i ] dp[i] dp[i]产生负的贡献,即
d p [ i − 1 ] + n u m s [ i ] < n u m s [ i ] dp[i-1] + nums[i]<nums[i] dp[i−1]+nums[i]<nums[i]
因此可得状态转移方程如下:
d p [ i ] = { d p [ i − 1 ] + n u m s [ i ] dp[i-1]>0 n u m s [ i ] dp[i-1]<=0 dp[i] = \begin{cases} dp[i-1]+nums[i]& \text{dp[i-1]>0}\\ nums[i]& \text{dp[i-1]<=0} \end{cases} dp[i]={dp[i−1]+nums[i]nums[i]dp[i-1]>0dp[i-1]<=0 -
返回值
因为题目要求返回最大和,因此遍历数组期间维护一个变量 r e s res res,有如下关系:
r e s = m a x ( n u m s [ i ] , 0 ) res =max(nums[i], 0) res=max(nums[i],0)
其中 m a x ( ) max() max()为定义的宏 -
特解
因为数组从下标为1开始遍历,因此当输入的数组长度为1时,直接返回该值即可。 -
空间优化
考虑到有输入的数组,动态规划 d p dp dp的长度与 n u m s nums nums长度相同,因此可以将 n u m s nums nums作为 d p dp dp使用,空间复杂度由 O ( N ) O(N) O(N)降为 O ( 1 ) O(1) O(1) -
复杂度分析
时间复杂度: O ( N ) O(N) O(N),只需遍历一遍数组
空间复杂度: O ( 1 ) O(1) O(1) ,只需维护一个 r e s res res用来存储结果
完整程序如下:
#include <stdio.h>
#include <stdlib.h>
#define max(x, y) (x >= y ? x : y) //定义的宏,用来取最大值
int maxSubSum(int nums[], int n);
int main(){
int n; //输入数据长度
scanf("%d", &n);
int *nums = (int*)malloc(sizeof(int)*n); //输入数组
if(n)
for(int i=0; i<n; i++) scanf("%d", &(nums[i]));
printf("%d\n",maxSubSum(nums, n));
}
int maxSubSum(int nums[], int n){
int res = -1e3; //目标值初始化
if(n==1) //特解,当输入只有一个值时返回该值和0的较大值
return max(nums[0], 0);
res = max(nums[0], res);
for(int i=1; i<n; i++){ //动态规划遍历数组,求最大值
nums[i] += max(nums[i-1], 0);
res = max(nums[i], res);
}
return max(res ,0);
}
- 写在最后
可能有人会我这个做法复杂化了,我也看过别人的做法,有一种比较多的做法是维护一个变量用来做序列的累加,再维护一个变量作为最终结果,当累加和小于0的时候将这个数置0,否则继续累加,然后判断累加变量和最终结果的大小,若最终结果小则将累加变量的值赋给最终结果。这个做法确实很好,时间复杂度和空间复杂度都很小,但是个人感觉不是很有普适性(个人观点,不喜勿喷)。因为这道题我觉得是简化了,因为题目中要求如果序列中所有整数皆为负数,则输出0,如果没有这个要求,那这个做法就行不通了,因为这个做法只存储了累加和大于等于0的情况,而如果没有这个要求,只需把我代码中的两个 r e t u r n return return初的 m a x ( , 0 ) max( ,0) max(,0)去掉,不需取大,直接返回结果即可。如果有哪里理解错的地方欢迎大家留言交流。
手工码字码代码,如果有帮助到你的话留个赞吧,谢谢。
以上。