求最大子段和——分治法

1、分治策略

(1)划分:按照平衡子问题的原则,将序列(a1, a2, …, an)划分成长度相同的两个子序列,则会出现以下三种情况:


(2)求解子问题:对于划分阶段的情况①和②可递归求解,情况③需要计算s1+s2:

  
(3)合并:比较在划分阶段的三种情况下的最大子段和,取三者之中的较大者为原问题的解。

2、示意图


3、代码实现

int maxSum(int data[], int first, int end)
{
	if (first == end)
		return data[first];
	else
	{
		int sum = 0;
		int mid = (first + end) / 2;
		int sumLeft = maxSum(data, first, mid);  //情况1
		int sumRight = maxSum(data, mid + 1, end);  //情况2
		//情况3:
		int s1 = 0, lefts = 0;
		for (int i = mid; i >= first; i--)
		{
			lefts += data[i];
			if (lefts > s1)
				s1 = lefts;
		}
		int s2 = 0, rights = 0;
		for (int i = mid + 1; i <= end; i++)
		{
			rights += data[i];
			if (rights > s2)
				s2 = rights;
		}

		sum = s1 + s2;
		if (sumLeft > sum)
			sum = sumLeft;
		if (sumRight > sum)
			sum = sumRight;
		
		return sum;  //情况1、2、3中,返回最大的那个
	}
}

int main(int argc, char *argv[])
{
	int data[20] = {0, -20, 11, -4, 13, -5, -2};  //第0个位置不用
	printf("最大子段和:%d", maxSum(data, 1, 6));

	system("pause");
	return 0;
}

4、时间复杂度

对情况①和②,需要分别递归求解,对应情况③,两个并列for循环的时间复杂性是O(n),所以可得递推公式:
最终时间复杂度为:O(nlog2n)

### 使用分治法最大问题 #### 算法概述 分治法的核心在于将一个问题解为若干个规模较小的相同问题,解这些问题后再合并其结果得到原问题的解答。对于最大问题而言,该方能够有效地处理数组中的元素组合以找出具有最大的连续子序列。 #### 析过程 为了应用分治法最大问题上,需遵循以下三个主要步骤: - **基础情况**:当输入的数据集非常小时(例如只有一个元素),可以直接返回这个唯一的数值作为最优解。 - **割操作**:选取中间位置`center`把整个数据集合为两部——左半边与右半边;接着递归地在这两个区间内寻找各自的最大。 - **跨越中心的情况**:除了考虑完全位于左侧或右侧的最佳方案外,还需特别关注那些横跨了划界限的部。这部涉及到从`center`向两侧扩展直到边界处,并记录下在此过程中所能获得的最大累积值[^2]。 #### Python代码实现 下面给出了一种基于上述思路编写的Python版本的分治算法用于计算给定列表内的最大: ```python def max_subarray_sum_divide_conquer(nums): def find_max_crossing_subarray(low, mid, high): left_sum = float('-inf') sum_ = 0 for i in range(mid, low - 1, -1): # 向左边遍历 sum_ += nums[i] if sum_ > left_sum: left_sum = sum_ right_sum = float('-inf') sum_ = 0 for j in range(mid + 1, high + 1): # 向右边遍历 sum_ += nums[j] if sum_ > right_sum: right_sum = sum_ return left_sum + right_sum def divide_and_conquer(low, high): if low == high: # 基础情形 return nums[low] mid = (low + high) // 2 left_max_sum = divide_and_conquer(low, mid) right_max_sum = divide_and_conquer(mid + 1, high) cross_max_sum = find_max_crossing_subarray(low, mid, high) return max(left_max_sum, right_max_sum, cross_max_sum) n = len(nums) if not nums: raise ValueError('The array is empty.') result = divide_and_conquer(0, n - 1) return result ``` 此函数接收一个整数类型的列表参数`nums`并调用内部辅助函数完成具体的逻辑运算。其中`find_max_crossing_subarray()`负责处理跨越中部区域的情形,而`divide_and_conquer()`则实现了标准意义上的分治流程[^4]。
评论 1
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