问题描述:
最大子段和问题是将一个n个整数的序列a[1],a[2]….a[n]中字段a[first]….a[last]之和,(1<=first<=last<=n)求这些子段和中最大的。
例如(a[1],a[2],a[3],a[4],a[5],a[6])=(-2,11,-4,13,-5,-2)时,最大子段和为20,子段为a[2],a[3],a[4]。
求解方法:
如果不会算法,那就用时间复杂度为O(n^3)的枚举,i为从1到n的起点,j为从i到n的终点,k为从i到j的子段之和。
还是枚举,改进一下,得到O(n^2)的枚举算法,就是将k去掉,在找其终点j的时候就将子段和记录下来,因为从i到j的子段和就是从i到j-1的子段和加上a[j]。
再改进一下,将这个序列分成1到(1+n)/2的序列与(1+n)/2到n的序列。那么最大的子段有可能出现在:
1.左侧序列。2.右侧序列。3.跨越中间点的序列。
我们从中间点两侧找最大子段,再找越过中间点的最大子段,就形成了我们所说的分治算法,得到复杂度为O(nlogn)的算法。
其实,我们在选择一个元素a[j]的时候,只有两种情况,将a[i]至a[j-1]加上,或者从a[j]以j为起点开始。我们用一个数组dp[i]表示以i为结束的最大子段和,对于每一个a[i],加上dp[i-1]成为子段,或以a[i]开始成为新段的起点。因为我们只需要记录dp值,所以复杂度是O(n)。
这就是最大子段和的动态规划算法。
我们甚至不需要dp数组,只需要定义一个dp变量,因为最后要求的dp值也是最大的,所以我们可以在求dp的时候更新为最大的。
暴力法:
#include<iostream>
using namespace std;
int MaxSum(int n,int *a,int &besti,int &bestj)
{
int sum=0;
for(int i=0;i<n;i++)
{
for(int j=i;j<n;j++)
{
int tempSum=0;
for(int k=i;k<j;k++)
{
tempSum+=a[k];
if(tempSum>sum)
{
sum=tempSum;
besti=i;
bestj=j;
}
}
}
}
return sum;
}
int main()
{
int a[100]={-2,11,-4,13,-5,-2};
int n=6;
int besti=0;
int bestj=0;
MaxSum(n,a,besti,bestj);
cout<<"输出最大子段和:";
for(int i=besti;i<bestj;i++)
{
cout<<a[i]<<" ";
}
}
暴力法改进:
#include<iostream>
using namespace std;
int MaxSum(int n,int *a,int &besti,int &bestj)
{
int sum=0;
for(int i=0;i<n;i++)
{
int tempSum=0;
for(int j=i;j<n;j++)
{
tempSum+=a[j];
if(tempSum>sum)
{
sum=tempSum;
besti=i;
bestj=j;
}
}
}
return sum;
}
int main()
{
int a[100]={-2,11,-4,13,-5,-2};
int n=6;
int besti=0;
int bestj=0;
MaxSum(n,a,besti,bestj);
for(int i=besti;i<=bestj;i++)
{
cout<<a[i]<<" ";
}
}
动态规划:
#include<iostream>
using namespace std;
int MaxSum(int n,int *a,int &besti,int &bestj)
{
int sum=0;
int tempSum=0;
for(int i=0;i<n;i++)
{
if(tempSum>0)
{
tempSum+=a[i];
}
else
{
tempSum=a[i];
}
if(tempSum>sum)
{
sum=tempSum;
}
}
return sum;
}
int main()
{
int a[100]={-2,11,-4,13,-5,-2};
int n=6;
int besti=0;
int bestj=0;
cout<<MaxSum(n,a,besti,bestj);
}
本文介绍了如何使用动态规划算法解决最大子段和问题,从暴力枚举到优化的动态规划方法,详细阐述了算法思想及其实现过程,并提供了C++代码示例。动态规划解决方案的时间复杂度降低到了O(n),显著提高了效率。
209

被折叠的 条评论
为什么被折叠?



