求数组的字数组之和的最大值

本文介绍了一维数组中寻找最大子段和的三种方法:暴力枚举(时间复杂度O(N^3))、分治法(时间复杂度O(N*logN))和动态规划(时间复杂度O(N))。每种方法都提供了详细的实现思路和示例代码。

先看一维数组的情况:

方法1:

遍历所有可能的sum:时间复杂度为O(N*N*N)

int maxsum1(int *a,int n)
{
	int M=-100000;
	int s=0;
	for (int i=0;i<n;i++)
{
	for(int j=i;j<n;j++)
		{
			for(int k=i;k<j;k++)
			{
					s=s+a[k];
			}
	        if(s>M)
				M=s;
		}
}
	return M;
}


对代码进行优化 可以达到O(N*N)


int maxsum2(int *a,int n)
{
	int M=-100000;
	int s=0;
 for (int i=0;i<n;i++)
{
	s=0;
	for(int j=i;j<n;j++)
		{
		    s=s+a[j];
	        if(s>M)
				M=s;
		}
}
	return M;
}


方法二:

将数组分为等长的两端数组A1,A2 分别求出两段数组各自的最大子段和 则原来数组A的最大子段和为:

a.A 与A1的最大子段和相同

b.A 与A2的最大子段和相同

c.A与跨过其中两个元素A[n/2-1]和A[n/2]的子段和相同,可以通过遍历数组 找到分别以这连个元素结尾的最大的一段和 s1 和s2  那么最大子段和为s1+s2

总的时间复杂度为O(N*log N)


int maxdiv(int *a,int l,int r)
{
	
	int sum=0;
	if (l==r)
		return max(a[l],a[r]);
	else
	{
		int c=(r+l)/2;
		int left=maxdiv(a,1,c);
		int right=maxdiv(a,c+1,r);
		int s1=0;
		int k=c;
		int tmp1=a[c];
		while(tmp1+a[k-1]>tmp1 && k>l)
		{
			tmp1=tmp1+a[k-1];
			k--;
		}
		int k=c+1;
		int tmp2=a[c+1];
		while(tmp2+a[k+1]>tmp2 && k<l)
		{
			tmp2=tmp2+a[k+1];
			k++;
		}
		s1=tmp1+tmp2;
		return max(max(left,right),s1);
	}
}



方法三:动态规划法  时间复杂度为O(N)

#include <iostream>
#include <algorithm>
using namespace std;
int findsum(int *A, int n)
{//计算以A[n]结尾的最大和
	if (n == 0)//只有一个数~
		return A[n];
	if (findsum(A, n - 1) <= 0)//前面n-1个数的最大和小于0~
		return A[n];
	return findsum(A, n-1)+A[n];//前面n-1个数的最大和大于0
}
int main()
{
	int A[] = { 1,-2,3,10,-4,7,2,-5 };
	int maxsum = -1;
	for (int i = 0;i < 8;i++)
	{
		if (maxsum < findsum(A, i))
			maxsum = findsum(A, i);
	}
	cout << maxsum << endl;
	return 0;
}







int maxsum4(int *a,int n)
{
	int s=0;
	int tmp=0;
	for(int i=0;i<n;i++)
	{
		tmp=tmp+a[i];
		if(s<tmp)//tmp> s更新s 
			s=tmp;
		if(tmp<0 )// 更新tmp 使其为0 因为小于0后不可能取到最大值
			tmp=0;
	}
	return 0;
}


 




### 长度至少为k的最大子数组法实现 为了寻找长度至少为k的最大子数组,可以使用滑动窗口(或双指针)的方法来优化暴力解法。这种方法的时间复杂度可以降低到 \(O(n)\),相比于暴力解法的 \(O(n^3)\) 或 \(O(n^2)\) 显著提升。 以下是具体的实现方法: #### 法思路 1. 使用一个滑动窗口来维护当前子数组。 2. 初始时,窗口包含前k个元素,并计作为初始值。 3. 遍历数组,逐步将新元素加入窗口,并移除旧元素以保持窗口大小至少为k。 4. 在遍历过程中,记录最大子数组。 5. 最终返回最大子数组。 #### 代码实现 以下是一个基于滑动窗口的Python实现: ```python class Solution: def maxSubarraySumWithMinLengthK(self, nums: list[int], k: int) -> int: if not nums or len(nums) < k: return -float('inf') # 如果数组长度小于k,返回负无穷大表示无解 current_sum = sum(nums[:k]) # 初始化窗口为前k个元素的 max_sum = current_sum # 当前最大初始化为窗口 for i in range(k, len(nums)): # 从第k个元素开始遍历 current_sum += nums[i] - nums[i - k] # 更新窗口:加上新元素,减去旧元素 max_sum = max(max_sum, current_sum) # 更新最大 return max_sum ``` #### 复杂度分析 - **时间复杂度**:由于只需要对数组进行一次遍历,时间复杂度为 \(O(n)\),其中 \(n\) 是数组的长度[^1]。 - **空间复杂度**:仅使用了有限的几个变量,空间复杂度为 \(O(1)\)[^1]。 #### 示例运行 以下是一个示例输入输出: ```python nums = [1, -2, 3, 4, -1, 2, 1, -5, 4] k = 3 solution = Solution() result = solution.maxSubarraySumWithMinLengthK(nums, k) print(result) # 输出: 6 ``` 在这个例子中,子数组 `[3, 4, -1]` 的为 6,是长度至少为 3 的最大子数组。 --- ###
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