分治法---------最大子数组

分治法实现求解最大子数组问题

一、最大子数组问题描述

给定一个整数数组 nums ,找到一个具有最大和的连续子数组(子数组最少包含一个元素),返回其最大和。

例子:
输入: [-2,1,-3,4,-1,2,1,-5,4],
输出: 6
解释: 连续子数组 [4,-1,2,1] 的和最大为 6。
题目源于力扣网

二、分治法三步骤

1.分解原问题:将问题划分成一些子问题,子问题相互独立且与原问题相同,只是规模更小。
2.解决子问题:递归求解子问题。当子问题足够小,不能划分直接求解。
3.合并问题解:将子问题的解合并成原问题的解。

三、求解最大子数组组

分治法求解就是找三个子区域内的数组最大和:

1)完全位于子数组A[left…mid]中, left<=i<=j<=mid;

2)完全位于子数组A[mid + 1…right]中,mid<=i<=j<=right;

3)跨越了中点,left<=i<=mid<j<=right;

最后我们的解一定是在这三个部分中的最大的那一个。

/*输入: [-2,1,-3,4,-1,2,1,-5,4],
输出: 6
解释: 连续子数组 [4,-1,2,1] 的和最大为 6。*/
#include<iostream>
using namespace std;
int FindMaxCrossArray(int a[],int left,int right)//用于求跨过中点的最大子数组和
{
	int sum = 0;//用于存放数组的和
	int leftsum=0;//用于存放数组下标left~mid之间最大和
	int rightsum=0;//用于存放数组下标mid+1~right之间最大和
	int mid=(left+right)/2;//下标最中间
	int i;
	for(i=mid;i>=left;i--)
	{
		sum+=a[i];
		if(sum > leftsum)
			leftsum=sum;
	}
	sum=0;//sum需要重新归为0
	for(i=(mid+1);i<=right;i++)
	{
		sum+=a[i];
		if(sum > rightsum)
			rightsum=sum;
	}
	return leftsum+rightsum;
}
int FindMax(int a[],int left,int right)
{
	int leftmax,rightmax,crossmax;
	int mid;
	mid = (left+right)/2;
	if(left==right)
		return a[left];
	else
	{
		leftmax = FindMax(a,left,mid);//利用递归划分数组
		rightmax = FindMax(a,mid+1,right);//利用递归划分数组
		crossmax = FindMaxCrossArray(a,left,right);
	}
	if(leftmax>=rightmax && leftmax>=crossmax)
		return leftmax;
	else if (rightmax>=leftmax && rightmax>=crossmax)
		return rightmax;
	else
		return crossmax;
}
int main(void)
{
	int a[100],n;
	cout<<"Input Array Length"<<endl;
	cin>>n;
	cout<<"Input Array"<<endl;
	for(int i=0;i<n;i++)
	{
		cin>>a[i];
	}
	cout<<"最大子数组和为:"<<FindMax(a,0,n-1)<<endl;
	return 0;
}
### C++ 中使用分治法最大子数组问题 #### 算法概述 分治法的核心思想是将原问题分解成若干个小规模的相同问题,分别解这些小问题后再将其合并得到最终结果。对于最大子数组问题而言,可以通过选取数组中间位置作为分割点,将整个数组划分为左半部分、右半部分以及跨越中点的部分[^4]。 为了高效计算跨越中点的最大子数组和,可以从中间向两侧扩展,逐步累加左侧和右侧的元素值直到达到局部最优解。随后比较三种情况下的最大值即可得出全局最佳解。 以下是基于上述理论的具体实现: ```cpp #include <iostream> #include <vector> #include <climits> using namespace std; // 辅助函数:查找跨过 mid 的最大子数组 int findMaxCrossingSubarray(const vector<int>& nums, int low, int mid, int high) { int leftSum = INT_MIN; int sum = 0; for (int i = mid; i >= low; --i) { // 向左扫描 sum += nums[i]; if (sum > leftSum) { leftSum = sum; } } int rightSum = INT_MIN; sum = 0; for (int j = mid + 1; j <= high; ++j) { // 向右扫描 sum += nums[j]; if (sum > rightSum) { rightSum = sum; } } return leftSum + rightSum; // 返回跨越中点的最大和 } // 主递归函数 int maxSubArrayRecursive(const vector<int>& nums, int low, int high) { if (low == high) { // 基本情形:只有一个元素 return nums[low]; } else { int mid = (low + high) / 2; int leftSum = maxSubArrayRecursive(nums, low, mid); // 左侧最大子数组 int rightSum = maxSubArrayRecursive(nums, mid + 1, high); // 右侧最大子数组 int crossSum = findMaxCrossingSubarray(nums, low, mid, high); // 跨越中点的最大子数组 return max(max(leftSum, rightSum), crossSum); } } // 接口函数 int maxSubArray(vector<int> nums) { return maxSubArrayRecursive(nums, 0, static_cast<int>(nums.size()) - 1); } int main() { vector<int> nums = {-2, 1, -3, 4, -1, 2, 1, -5, 4}; cout << "Maximum Subarray Sum is: " << maxSubArray(nums) << endl; return 0; } ``` 此代码实现了完整的分治方法来解决最大子数组问题,并且能够处理负数的情况。它的时间复杂度为 \(O(n \log n)\),其中 \(n\) 是输入数组长度[^1]。 --- ###
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