【Algorithm】最大连续子数组和

本文介绍了最大子数组和问题的五种求解方法,包括三种暴力法的不同优化级别及分治法、动态规划法。通过具体实现代码展示了每种算法的特点与效率。
/*
 * MaxSumArray.c
 *
 *  Created on: 2015年5月5日
 *      Author: weike
 */
#include<stdio.h>
int besti,bestj;//返回位置i,位置j
/**
 * algorithm 1 暴力法O(n^3)
 */
int MaxSum1(int n,int *a){
	int sum = 0;
	int i,j,k;
	for(i=1;i<=n;i++){
		for(j=i;j<=n;j++){
			int thissum = 0;
			for(k=i;k<=j;k++){
				thissum += a[k];
			}
			if(thissum >= sum){
				sum = thissum;
				besti = i;
				bestj = j;
			}
		}
	}
	return sum;
}
/**
 * 	algorithm 2 暴力法优化O(n^2)
 */
int MaxSum2(int n,int *a){
	int sum = 0;
	int i,j;
	for(i=1;i<=n;i++){
		int thissum = 0;
		for(j = i;j <= n;j++){
			thissum += a[j];
			if(thissum > sum){
				sum = thissum;
				besti = i;
				bestj = j;
			}
		}
	}
	return sum;
}
/**
 * 	algorithm 暴力法优化
 */
int MaxSum3(int n,int *a){
	int i,j;
	int cumarr[20];
	cumarr[0] = 0;
	for(i=1;i<=n;i++){
		cumarr[i] = cumarr[i-1] + a[i];
	}
	int maxsofar = 0;
	int sum;
	for(i=1;i<=n;i++){
		for(j=0;j<=n;j++){
			sum = cumarr[j] - cumarr[i-1];
			if(sum > maxsofar){
				maxsofar  = sum;
				besti = i;
				bestj = j;
			}

		}
	}
	return maxsofar;
}
/**
 * 	algorithm 4	分治法
 */
int MaxSubSum(int *a,int left,int right){
	int sum = 0;
	int i;
	if(left == right)
		sum = a[left] > 0 ? a[left] : 0;
	else{
		int center = (left + right)/2;
		//(1)
		int leftsum = MaxSubSum(a,left,center);
		//(2)
		int rightsum = MaxSubSum(a,center+1,right);
		//(3)左半部分
		int s1 = 0;
		int lefts = 0;
		for(i=center;i>=left;i--){
			lefts += a[i];
			if(lefts > s1)
				s1 = lefts;
		}
		//(3)右半部分
		int s2 = 0;
		int rights = 0;
		for(i=center+1;i<=right;i++){
			rights += a[i];
			if(rights > s2)
				s2 = rights;
		}
		sum = s1 + s2;
		if(sum < leftsum)
			sum = leftsum;
		if(sum < rightsum)
			sum = rightsum;
	}
	return sum;
}
int MaxSum4(int n,int *a){
	return MaxSubSum(a,1,n);
}
/**
 * 	algorithm 5 动态规划
 */
int MaxSum5(int n,int *a){
	int sum = 0,b = 0;
	int i;
	for(i=1;i<=n;i++){
		if(b>0)
			b += a[i];
		else
			b = a[i];
		if(b > sum)
			sum = b;
	}
	return sum;
}
/**
 * method main
 */
int main(int argc, char **argv) {
	int tmp[] = {0,-2,11,-4,13,-5,-2};
	int a[7];
	int i;
	for(i=1;i<=6;i++){
		a[i] = tmp[i];
	}

	int result1 = MaxSum1(6,a);
	int result2 = MaxSum2(6,a);
	int result3 = MaxSum3(6,a);
	int result4 = MaxSum4(6,a);
	int result5 = MaxSum5(6,a);
	printf("result1 = %d,i = %d,j = %d\n",result1,besti,bestj);
	printf("result2 = %d,i = %d,j = %d\n",result2,besti,bestj);
	printf("result3 = %d,i = %d,j = %d\n",result3,besti,bestj);
	printf("result4 = %d\n",result4);
	printf("result5 = %d\n",result5);
	return 0;
}

参考资料:

《计算机算法设计与分析(第三版)》 王晓东著

July博客   结构之法 算法之道

内容概要:本文详细介绍了一种基于Simulink的表贴式永磁同步电机(SPMSM)有限控制集模型预测电流控制(FCS-MPCC)仿真系统。通过构建PMSM数学模型、坐标变换、MPC控制器、SVPWM调制等模块,实现了对电机定子电流的高精度跟踪控制,具备快速动态响应低稳态误差的特点。文中提供了完整的仿真建模步骤、关键参数设置、核心MATLAB函数代码及仿真结果分析,涵盖转速、电流、转矩三相电流波形,验证了MPC控制策略在动态性能、稳态精度抗负载扰动方面的优越性,并提出了参数自整定、加权代价函数、模型预测转矩控制弱磁扩速等优化方向。; 适合人群:自动化、电气工程及其相关专业本科生、研究生,以及从事电机控制算法研究与仿真的工程技术人员;具备一定的电机原理、自动控制理论Simulink仿真基础者更佳; 使用场景及目标:①用于永磁同步电机模型预测控制的教学演示、课程设计或毕业设计项目;②作为电机先进控制算法(如MPC、MPTC)的仿真验证平台;③支撑科研中对控制性能优化(如动态响应、抗干扰能力)的研究需求; 阅读建议:建议读者结合Simulink环境动手搭建模型,深入理解各模块间的信号流向与控制逻辑,重点掌握预测模型构建、代价函数设计与开关状态选择机制,并可通过修改电机参数或控制策略进行拓展实验,以增强实践与创新能力。
根据原作 https://pan.quark.cn/s/23d6270309e5 的源码改编 湖北省黄石市2021年中考数学试卷所包含的知识点广泛涉及了中学数学的基础领域,涵盖了实数、科学记数法、分式方程、几何体的三视图、立体几何、概率统计以及代数方程等多个方面。 接下来将对每道试题所关联的知识点进行深入剖析:1. 实数与倒数的定义:该题目旨在检验学生对倒数概念的掌握程度,即一个数a的倒数表达为1/a,因此-7的倒数可表示为-1/7。 2. 科学记数法的运用:科学记数法是一种表示极大或极小数字的方法,其形式为a×10^n,其中1≤|a|<10,n为整数。 此题要求学生运用科学记数法表示一个天文单位的距离,将1.4960亿千米转换为1.4960×10^8千米。 3. 分式方程的求解方法:考察学生解决包含分母的方程的能力,题目要求找出满足方程3/(2x-1)=1的x值,需通过消除分母的方式转化为整式方程进行解答。 4. 三视图的辨认:该题目测试学生对于几何体三视图(主视图、左视图、俯视图)的认识,需要识别出具有两个相同视图而另一个不同的几何体。 5. 立体几何与表面积的计算:题目要求学生计算由直角三角形旋转形成的圆锥的表面积,要求学生对圆锥的底面积侧面积公式有所了解并加以运用。 6. 统计学的基础概念:题目涉及众数、平均数、极差中位数的定义,要求学生根据提供的数据信息选择恰当的统计量。 7. 方程的整数解求解:考察学生在实际问题中进行数学建模的能力,通过建立方程来计算在特定条件下帐篷的搭建方案数量。 8. 三角学的实际应用:题目通过在直角三角形中运用三角函数来求解特定线段的长度。 利用正弦定理求解AD的长度是解答该问题的关键。 9. 几何变换的应用:题目要求学生运用三角板的旋转来求解特定点的...
最大连续子数组问题是一个经典的算法问题,其目标是在给定的数组中找到一个连续子数组,使得该子数组中所有元素的最大。解决这个问题的方法有多种,以下是其中几种经典算法。 ### 1. 暴力枚举法(时间复杂度为 $O(n^2)$) 这种方法通过枚举所有可能的子数组并计算它们的,最终找到最大值。虽然实现简单,但效率较低,适用于小规模数组[^3]。 以下是一个暴力枚举法的实现示例: ```c int MaxSubSum1(int *arr, int len) { int i, j; int MaxSum = 0; // 每次开始累加的起始位置的循环 for (i = 0; i < len; i++) { int CurSum = 0; // 向后累加的循环 for (j = i; j < len; j++) { CurSum += arr[j]; if (CurSum > MaxSum) MaxSum = CurSum; } } return MaxSum; } ``` ### 2. 动态规划法(时间复杂度为 $O(n)$) 动态规划法是一种高效的解决方案,它通过维护一个当前子数组最大来逐步更新全局最大值。这种方法只需要一次遍历即可完成,适用于大规模数组[^1]。 以下是一个动态规划法的实现示例: ```python def max_subarray_sum(arr): max_current = max_global = arr[0] for num in arr[1:]: max_current = max(num, max_current + num) max_global = max(max_global, max_current) return max_global ``` ### 3. 分治法(时间复杂度为 $O(n \log n)$) 分治法将数组分成两部分,分别求解左右两边的最大子数组,然后合并结果。这种方法在处理非常大的数组时表现良好,但实现较为复杂[^4]。 ### 4. Kadane 算法(时间复杂度为 $O(n)$) Kadane 算法是动态规划法的一个特例,它通过一次遍历即可找到最大连续子数组。该算法的核心思想是通过维护当前子数组最大来逐步更新全局最大值[^2]。 以下是一个 Kadane 算法的实现示例: ```python def kadane_algorithm(arr): max_current = max_global = arr[0] for num in arr[1:]: max_current = max(num, max_current + num) max_global = max(max_global, max_current) return max_global ``` ### 示例 对于数组 `a = [1, 14, 5, -1, 4]`,最大连续子数组为 `24`,对应的子数组为 `[1, 14, 5, -1, 4]`。对于数组 `[-2, 1, -3, 4, -1, 2, 1, -5, 4]`,最大连续子数组为 `6`,对应的子数组为 `[4, -1, 2, 1]`[^2]。 这些算法各有优劣,选择合适的算法取决于具体的应用场景性能要求。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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