求数组的子数组之和的最大值 .

转自:http://blog.youkuaiyun.com/v_JULY_v/article/details/6444021

题目描述:
输入一个整形数组,数组里有正数也有负数。
数组中连续的一个或多个整数组成一个子数组,每个子数组都有一个和。
求所有子数组的和的最大值。要求时间复杂度为O(n)。

例如输入的数组为1, -2, 3, 10, -4, 7, 2, -5,和最大的子数组为3, 10, -4, 7, 2,
因此输出为该子数组的和18。

 

分析:
1、
求一个数组的最大子数组和,如此序列1, -2, 3, 10, -4, 7, 2, -5,我想最最直观也是最野蛮的办法便是,三个for循环三层遍历,求出数组中每一个子数组的和,最终求出这些子数组的最大的一个值。
记Sum[i, …, j]为数组A中第i个元素到第j个元素的和(其中0 <= i <= j < n),遍历所有可能的Sum[i, …, j],那么时间复杂度为O(N^3):

  1. //本段代码引自编程之美   
  2. int MaxSum(int* A, int n)  
  3. {  
  4. int maximum = -INF;   
  5. int sum=0;   
  6. for(int i = 0; i < n; i++)  
  7. {  
  8.    for(int j = i; j < n; j++)  
  9.    {  
  10.       for(int k = i; k <= j; k++)  
  11.       {  
  12.         sum += A[k];  
  13.       }  
  14.       if(sum > maximum)  
  15.       maximum = sum;  
  16.       sum=0;  
  17.    }  
  18. }  
  19. return maximum;  
  20. }   
  21.   
  22.    
//本段代码引自编程之美
int MaxSum(int* A, int n)
{
int maximum = -INF; 
int sum=0; 
for(int i = 0; i < n; i++)
{
   for(int j = i; j < n; j++)
   {
      for(int k = i; k <= j; k++)
      {
        sum += A[k];
      }
      if(sum > maximum)
      maximum = sum;
      sum=0;
   }
}
return maximum;
} 

 

 

2、现在给出O(N)时间复杂度的算法:

  1. #include <iostream.h>      
  2.     
  3. int maxSum(int* a, int n)    
  4. {    
  5.     int sum=0;    
  6.     //其实要处理全是负数的情况,很简单,如稍后下面第3点所见,直接把这句改成:"int sum=a[0]"即可      
  7.     //也可以不改,当全是负数的情况,直接返回0,也不见得不行。      
  8.     int b=0;    
  9.         
  10.     for(int i=0; i<n; i++)    
  11.     {    
  12.         if(b<0)           //...      
  13.             b=a[i];    
  14.         else    
  15.             b+=a[i];    
  16.         if(sum<b)    
  17.             sum=b;    
  18.     }    
  19.     return sum;    
  20. }    
  21.     
  22. int main()    
  23. {    
  24.     int a[10]={1, -2, 3, 10, -4, 7, 2, -5};    
  25.     //int a[]={-1,-2,-3,-4};  //测试全是负数的用例      
  26.     cout<<maxSum(a,8)<<endl;    
  27.     return 0;    
  28. }    
  29.     
  30. /*-------------------------------------   
  31. 解释下:   
  32. 例如输入的数组为1, -2, 3, 10, -4, 7, 2, -5,   
  33. 那么最大的子数组为3, 10, -4, 7, 2,   
  34. 因此输出为该子数组的和18。   
  35.    
  36. 所有的东西都在以下俩行,   
  37. 即:   
  38. b  :  0  1  -1  3  13   9  16  18  13     
  39. sum:  0  1   1  3  13  13  16  18  18   
  40.      
  41. 其实算法很简单,当前面的几个数,加起来后,b<0后,   
  42. 把b重新赋值,置为下一个元素,b=a[i]。   
  43. 当b>sum,则更新sum=b;   
  44. 若b<sum,则sum保持原值,不更新。。  
#include <iostream.h>   
  
int maxSum(int* a, int n)  
{  
    int sum=0;  
    //其实要处理全是负数的情况,很简单,如稍后下面第3点所见,直接把这句改成:"int sum=a[0]"即可   
    //也可以不改,当全是负数的情况,直接返回0,也不见得不行。   
    int b=0;  
      
    for(int i=0; i<n; i++)  
    {  
        if(b<0)           //...   
            b=a[i];  
        else  
            b+=a[i];  
        if(sum<b)  
            sum=b;  
    }  
    return sum;  
}  
  
int main()  
{  
    int a[10]={1, -2, 3, 10, -4, 7, 2, -5};  
    //int a[]={-1,-2,-3,-4};  //测试全是负数的用例   
    cout<<maxSum(a,8)<<endl;  
    return 0;  
}  
  
/*------------------------------------- 
解释下: 
例如输入的数组为1, -2, 3, 10, -4, 7, 2, -5, 
那么最大的子数组为3, 10, -4, 7, 2, 
因此输出为该子数组的和18。 
 
所有的东西都在以下俩行, 
即: 
b  :  0  1  -1  3  13   9  16  18  13   
sum:  0  1   1  3  13  13  16  18  18 
   
其实算法很简单,当前面的几个数,加起来后,b<0后, 
把b重新赋值,置为下一个元素,b=a[i]。 
当b>sum,则更新sum=b; 
若b<sum,则sum保持原值,不更新。。


3、不少朋友看到上面的答案之后,认为上述思路2的代码,没有处理全是负数的情况,当全是负数的情况时,我们可以让程序返回0,也可以让其返回最大的那个负数,修改后的处理全是负数情况(返回最大的负数)的代码:

  1. #include <iostream.h>      
  2. #define n 4           //多定义了一个变量      
  3.     
  4. int maxsum(int a[n])      
  5. //于此处,你能看到上述思路2代码(指针)的优势      
  6. {    
  7.     int max=a[0];       //全负情况,返回最大数      
  8.     int sum=0;    
  9.     for(int j=0;j<n;j++)    
  10.     {    
  11.         if(sum>=0)     //如果加上某个元素,sum>=0的话,就加      
  12.             sum+=a[j];    
  13.         else       
  14.             sum=a[j];  //如果加上某个元素,sum<0了,就不加      
  15.         if(sum>max)    
  16.             max=sum;    
  17.     }    
  18.     return max;    
  19. }    
  20.     
  21. int main()    
  22. {    
  23.     int a[]={-1,-2,-3,-4};    
  24.     cout<<maxsum(a)<<endl;    
  25.     return 0;    
  26. }    
#include <iostream.h>   
#define n 4           //多定义了一个变量   
  
int maxsum(int a[n])    
//于此处,你能看到上述思路2代码(指针)的优势   
{  
    int max=a[0];       //全负情况,返回最大数   
    int sum=0;  
    for(int j=0;j<n;j++)  
    {  
        if(sum>=0)     //如果加上某个元素,sum>=0的话,就加   
            sum+=a[j];  
        else     
            sum=a[j];  //如果加上某个元素,sum<0了,就不加   
        if(sum>max)  
            max=sum;  
    }  
    return max;  
}  
  
int main()  
{  
    int a[]={-1,-2,-3,-4};  
    cout<<maxsum(a)<<endl;  
    return 0;  
}  

4、DP解法的具体方程设sum[i] 为前i个元素中,包含第i个元素且和最大的连续子数组,result 为已找到的子数组中和最大的。对第i+1个元素有两种选择:做为新子数组的第一个元素、放入前面找到的子数组。
sum[i+1] = max(a[i+1], sum[i] + a[i+1])
result = max(result, sum[i])

 

扩展:
1、如果数组是二维数组,同样要你求最大子数组的和列?(详见编程之美2.15)
2、如果是要你求子数组的最大乘积列?
3、如果同时要求输出子段的开始和结束列?

 

附:

下面给出《Data structures and Algorithm analysis in C》中4种实现。

  1. //Algorithm 1:时间效率为O(n*n*n)      
  2. int MaxSubsequenceSum1(const int A[],int N)    
  3. {    
  4.     int ThisSum=0 ,MaxSum=0,i,j,k;    
  5.     for(i=0;i<N;i++)    
  6.         for(j=i;j<N;j++)    
  7.         {    
  8.             ThisSum=0;    
  9.             for(k=i;k<j;k++)    
  10.                 ThisSum+=A[k];    
  11.                 
  12.             if(ThisSum>MaxSum)    
  13.                 MaxSum=ThisSum;    
  14.         }    
  15.         return MaxSum;    
  16. }    
  17.     
  18. //Algorithm 2:时间效率为O(n*n)      
  19. int MaxSubsequenceSum2(const int A[],int N)    
  20. {    
  21.     int ThisSum=0,MaxSum=0,i,j,k;    
  22.     for(i=0;i<N;i++)    
  23.     {    
  24.         ThisSum=0;    
  25.         for(j=i;j<N;j++)    
  26.         {    
  27.             ThisSum+=A[j];    
  28.             if(ThisSum>MaxSum)    
  29.                 MaxSum=ThisSum;    
  30.         }    
  31.     }    
  32.     return MaxSum;    
  33. }    
  34.     
  35. //Algorithm 3:时间效率为O(n*log n)      
  36. //算法3的主要思想:采用二分策略,将序列分成左右两份。      
  37. //那么最长子序列有三种可能出现的情况,即      
  38. //【1】只出现在左部分.      
  39. //【2】只出现在右部分。      
  40. //【3】出现在中间,同时涉及到左右两部分。      
  41. //分情况讨论之。      
  42. static int MaxSubSum(const int A[],int Left,int Right)    
  43. {    
  44.     int MaxLeftSum,MaxRightSum;              //左、右部分最大连续子序列值。对应情况【1】、【2】      
  45.     int MaxLeftBorderSum,MaxRightBorderSum;  //从中间分别到左右两侧的最大连续子序列值,对应case【3】。      
  46.     int LeftBorderSum,RightBorderSum;    
  47.     int Center,i;    
  48.     if(Left == Right)Base Case    
  49.         if(A[Left]>0)    
  50.             return A[Left];    
  51.         else    
  52.             return 0;    
  53.         Center=(Left+Right)/2;    
  54.         MaxLeftSum=MaxSubSum(A,Left,Center);    
  55.         MaxRightSum=MaxSubSum(A,Center+1,Right);    
  56.         MaxLeftBorderSum=0;    
  57.         LeftBorderSum=0;    
  58.         for(i=Center;i>=Left;i--)    
  59.         {    
  60.             LeftBorderSum+=A[i];    
  61.             if(LeftBorderSum>MaxLeftBorderSum)    
  62.                 MaxLeftBorderSum=LeftBorderSum;    
  63.         }    
  64.         MaxRightBorderSum=0;    
  65.         RightBorderSum=0;    
  66.         for(i=Center+1;i<=Right;i++)    
  67.         {    
  68.             RightBorderSum+=A[i];    
  69.             if(RightBorderSum>MaxRightBorderSum)    
  70.                 MaxRightBorderSum=RightBorderSum;    
  71.         }    
  72.         int max1=MaxLeftSum>MaxRightSum?MaxLeftSum:MaxRightSum;    
  73.         int max2=MaxLeftBorderSum+MaxRightBorderSum;    
  74.         return max1>max2?max1:max2;    
  75. }    
  76.     
  77. //Algorithm 4:时间效率为O(n)      
  78. //同上述第一节中的思路3、和4。      
  79. int MaxSubsequenceSum(const int A[],int N)    
  80. {    
  81.     int ThisSum,MaxSum,j;    
  82.     ThisSum=MaxSum=0;    
  83.     for(j=0;j<N;j++)    
  84.     {    
  85.         ThisSum+=A[j];    
  86.         if(ThisSum>MaxSum)    
  87.             MaxSum=ThisSum;    
  88.         else if(ThisSum<0)    
  89.             ThisSum=0;    
  90.     }    
  91.     return MaxSum;    
  92. }     
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