关于最大连续子序列和的问题 (Maximum Subsequence Sum Problem)

本文详细阐述了解决最大子序列和问题的算法优化过程,从初始的三重循环到改进为双层循环,最终引入线性时间复杂度的解决方案。通过实例分析,展示了算法优化的重要性及其实现方式。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

补充:对于序列-1 10 -6 7 -3 -2 正确答案是11 , 即a2+a3+a4=11 

           如果,证书序列均为负数,则规定最大和为0 

 这道题最简单的做法是三重循环

如下的代码

Maxsofar=0;
for(i =1 to N ) do
   for j=i to N do 
    sum=0;
    for(k =i to j ) do 
   Sum=Sum+a[k];// sum是i to j元素的和
maxsofar=max(maxsofar,sum);

这种算法的时间复杂度为o(n^3);  计算每一个子序列都用了一个循环,实际上可以用一个加法代替,这样可以得到改进的算法。如下所示:

maxsofar=0;
for i=1 to N do
   sum=0;
   for( j = i  to N )do 
    sum+=a[j];
maxsofar=max(maxsofar,sum);
现在算法的复杂度为O(n^2);

更进一步,最大子序列问题存在线性时间复杂度的解法

maxsofar=0;
maxendinghere=0;
for i=1 to N do
{
    maxendinghere=max(maxendinghere+a[i],0);
     maxsofar=max(maxsofar, maxendinghere);
}


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