最大子序列问题及其求解----C 语言学习

这两天看了看最大子序列问题，顺便的做一下笔记，最大子序列问题相信大家都再熟悉不过了，来回顾一下问题：

给定整数（可能有负数），求的最大值（为方便起见，如果所有整数均为负数，则最大子序列和为 0 ）。

下面来看三种实现方法：

1，使用两层 for 循环，算法复杂度显然是 O(N²)：

?

intMaxSubSequenceSum(constintA[],intN) {     intThisSum,MaxSum,i,j;     MaxSum = 0;     for(i = 0; i < N; i ++)//外层的 for 循环     {         ThisSum = 0;         for(j =i; j < N; j ++)//内层的 for 循环         {             ThisSum += A[j];             if(ThisSum > MaxSum)                 MaxSum = ThisSum;         }     }     returnMaxSum; }

这种方法似乎是我们最先想到的解决办法，当然也很好理解。

2，使用“分治（divide-and-conquer）”的策略，其想法是把问题分成两个大致相等的子问题，然后递归的对它们进行求解，其算法复杂度是 O(N logN)：

为了便于理解，再来解释一下这种方法：在我们的例子当中，最大子序列和可能出现在三处，或者整个出现在输入数据的左半部，或者整个出现在右半部，或者跨越输入数据的中部从而占据左右两半部分。前两种情况可以递归地进行求解，第三种情况的最大和可以通过求出前半部分的最大和（包含前半部分的最后一个元素）以及后半部分的最大和（包含后半部分的第一个元素）而得到。然后将这两个和加在一起。作为一个例子，考虑如下的输入：

 

其中前半部分的最大子序列和为 6（A1 –> A3），后半部分的最大子序列和为 8 （A6 –> A7）。

前半部分包含最后一个元素的最大和为 4 （A1 –> A4），后半部分包含其第一个元素的最大和

?

-------------------------  前半部分    |     后半部分 -------------------------  4 -3 5 -2     -1 2 6 -2 -------------------------

为 7 （A5 –> A7）。因此，横跨这两部分且通过中间的最大和为 4 + 7 = 11 （A1 –> A7）。

于是，答案为 11。再来看看实现代码：

?

//主函数 staticintMaxSubSum(constintA[],intLeft,intRight) {     intMaxLeftSum, MaxRightSum;     intMaxLeftBorderSum, MaxRightBorderSum;     intLeftBorderSum, RightBorderSum;     intCenter, i;           if(Left == Right) /*基准情况*/         if(A[Left] > 0)             returnA[Left];         else             return0;           /*处理递归*/     Center = (Left + Right) / 2;     MaxLeftSum = MaxSubSum(A, Left, Center);     MaxRightSum = MaxSubSum(A, Center + 1, Right);           MaxLeftBorderSum = 0;LeftBorderSum = 0;     for(i = Center; i >= Left; i --)     {         LeftBorderSum += A[i];         if(LeftBorderSum > MaxLeftBorderSum)             MaxLeftBorderSum = LeftBorderSum;     }           MaxRightBorderSum = 0;RightBorderSum = 0;     for(i = Center + 1; i <= Right; i ++)     {         RightBorderSum += A[i];         if(RightBorderSum > MaxRightBorderSum)             MaxRightBorderSum = RightBorderSum;     }     //处理完毕，找出和最大的一个子序列     returnMax3(MaxLeftSum, MaxRightSum, MaxLeftBorderSum + MaxRightBorderSum); } //调用函数 intMaxSubSequenceSum(constintA[],intN) {     returnMaxSubSum(A, 0, N - 1); } //比较函数 intMax3(intx,inty,intz) {     return(((x > y)?x:y) > z)?((x > y)?x:y):z; }

3，使用一次 for 循环，算法复杂度为 O(N)：

这个算法乍看上去不是很好理解，不过它的效率却是这三个当中最高的一个，仔细地琢磨的话会理解这个神奇的算法的：

?

intMaxSubSequenceSum(constintA[],intN) {     intThisSum, MaxSum, j;     ThisSum = MaxSum = 0;     for(j = 0; j < N; j ++)     {         ThisSum += A[j];         if(ThisSum > MaxSum)             MaxSum = ThisSum;         elseif(ThisSum < 0)             ThisSum = 0;     }     returnMaxSum; }