最大子列和问题(四种方法 !!!终极版本)

题目

给定K个整数组成的序列{ N1, N​2 , …, N​K },“连续子列”被定义为{ Ni , N​i+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

解法

这里先贴一下主函数,之后每一次调用改一下函数名就可以啦~~~

#include <stdio.h>
#define MAXN 100000

int main()
{
	int k;
	int a[MAXN];

	scanf("%d", &k);
	for (int i = 0; i < k; i++)
		scanf("%d", a + i);

	printf("%d", MaxSubseqSum3(a, k));
	return 0;
}

算法一
时间复杂度 O(N^3)

int MaxSubseqSum1(int A[], int N)
{
	int thissum, maxsum = 0;
	int i, j, k;

	for (i = 0; i < N; i++)
	{
		for (j = i; j < N; j++)
		{
			thissum = 0;
			for (k = i; k <= j; k++)
				thissum += A[k];

			if (thissum > maxsum)
				maxsum = thissum;
		}
	}

	return maxsum;
}

算法一当中存在大量的重复,在每一次计算thissum的时候都会把原先算过的结果重新算上,所以我们有了第二种算法。


算法二
时间复杂度 O(N^2)

int MaxSubseqSum2(int A[], int N)
{
	int thissum, maxsum = 0;
	int i, j;

	for (i = 0; i < N - 1; i++)
	{
		thissum = 0;
		for (j = i; j < N; j++)
		{
			thissum += A[j];

			if (thissum > maxsum)
				maxsum = thissum;
		}
	}

	return maxsum;
}

运行结果:
算法二的时间效率


算法三:分治法
分而治之 时间复杂度O(N * logN)

分而治之:
分——就是把问题一分为二,递归求解。
治——将子问题的结果合在一起,再做少量工作得到整个问题的解。

对于本题,最大子序列需要考虑删除地方:左边、右边和跨越中间。

int Max3( int A, int B, int C )
{ /* 返回3个整数中的最大值 */
    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 */
    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 );
}

算法四:在线处理
时间复杂度: O(N)

int MaxSubseqSum4(int A[], int N)
{
	int thissum = 0, maxsum = 0;
	int i;

	for (i = 0; i < N; i++)
	{
		thissum += A[i];
		if (thissum > maxsum)
			maxsum = thissum;
		else if (thissum < 0)
			thissum = 0;
	}
	return maxsum;
}

在这里插入图片描述
在这里插入图片描述
欢迎留言指正哦~~~

最后贴一个有问题的算法三代码,不知道哪里错了,路过的大神帮帮忙:)

#define _CRT_SECURE_NO_WARNINGS 1

#include <stdio.h>
#define MAXN 100000

int Max3(int A, int B, int C)
{ /* 返回3个整数中的最大值 */
	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;

	/* Base Case */
	if (left == right)
	{
		if (List[left] > 0)
			return List[left];
		else
			return 0;
	}

	/* "分"的过程 */
	center = (left + right) / 2;
	/* 递归求得两边子列的最大和 */
	MaxLeftSum = DivideAndConquer(List, left, center);
	MaxRightSum = DivideAndConquer(List, center + 1, right);

	/* 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 */

	/* 返回“治”的结果 */
	return Max3(MaxLeftSum, MaxRightSum, MaxLeftBorderSum + MaxRightBorderSum);
}

int MaxSubseqSum3(int List[], int N)
{ /* 保持函数接口相同 */
	return DivideAndConquer(List, 0, N - 1);
}

int main()
{
	int k;
	int a[MAXN];

	scanf("%d", &k);
	for (int i = 0; i < k; i++)
		scanf("%d", a + i);

	printf("%d", MaxSubseqSum3(a, k));
	return 0;
}
### 最大问题的最优时间复杂度算法 对于最大问题,存在多种解决方法,每种方法具有不同的时间空间复杂度。分治法是一种有效的方法之一,在处理该类问题时能够达到较优的时间性能。 通过采用分治策略来计算数组中的最大,可以将原问题分解成更小规模的相同问题并分别求解。具体来说,整个过程涉及三个主要部分: - 左侧数组的最大; - 右侧数组的最大; - 跨越中间位置两侧元素构成的最大; 最终的结果即为上述三项取其一作为全局范围内最大连续串之[^1]。 为了实现这一目标,递归函数会不断划分输入直到最小集为止,并逐步回溯组合得到整体解答。当涉及到跨越边界的情况时,则需额外遍历一次以找到最佳连接点及其累积值。此过程中左右两半各自独立执行相同的逻辑直至触底反弹完成全部运算。 这种方法的整体时间复杂度为 O(n log n),其中 n 表示待处理数据长度。这是因为每次迭代都将当前区间减半的同时还需线性扫描一遍局部片段用于评估跨区间的可能性[^2]。 然而,还有一种更为高效的解决方案——Kadane's Algorithm(卡丹算法),它能够在单次循环内解决问题,从而实现了O(n) 的线性时间复杂度。以下是Python版本的具体实现方式: ```python def kadanes_algorithm(nums): current_sum = best_sum = nums[0] for num in nums[1:]: current_sum = max(num, current_sum + num) best_sum = max(best_sum, current_sum) return best_sum ``` 这种优化后的方案不仅简化了程序结构而且提高了运行效率,适用于大多数实际应用场景下的需求分析与快速响应。
评论 4
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

打赏作者

JoyCheung-

赏颗糖吃吧~~~

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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