最大子序和问题(C语言求解)

该博客介绍如何使用动态规划方法解决寻找给定整数数组中具有最大和的连续子数组的问题。通过递增序列长度并填充二维表来求解,最后给出C语言实现代码。

题目描述如下: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。

这道题可用动态规划的方法求解,思路如下:

以序列【-2,1,-3,4】为例,该序列的长度为4,如果求解它的最大子序列的和呢?

假设我们已经知道,该序列中,所有长度为3的子序列的最大子序列的和,那么,你能否知道整个长度为4的序列的最大子序列的和?

我们来分情况讨论,有以下三种情况:

第一种是,最长的子序列发生了变化,也就是,最长的子序列长度为4,也就是【-2,1,-3,4】本身就是最长子序列,那么,子序列的和当然非常明确,就是这四个数相加 -2 + 1 + -3 + 4 = 0

第二种情况是,当考虑的序列长度为4时,最长子序列的长度没有发生变化,那么,最长的子序列长度依然藏在长度为3的最长子序列当中,即:要么是序列【-2,1,-3】的最长子序列,要么是序列【1,-3,4】的最长子序列。

我们只需要比较, 【-2,1,-3,4】本身; 序列【-2,1,-3】的最长子序列 ;序列【1,-3,4】的最长子序列,这三种情况,谁的值最大,谁就是最终答案即可。

那么,序列【-2,1,-3】的最长子序列 ,和序列【1,-3,4】的最长子序列,这两个值我又怎么知道呢?

可以用同样的思路分解:

以序列【-2,1,-3】为例,这是一个长度为3的序列,它的最长子序列,只有可能是以下三种情况:序列【-2,1,-3】本身,序列【-2,1】的最长子序列,序列【1,-3】的最长子序列。我们只需要从这三种情况中取出最大值即可。

那么,序列【-2,1】的最长子序列是谁呢?问题终于变得容易了:

要么为 -2,要么为1,要么为【-2,1】,显然,最大值为1。问题易解。

整个问题用公式来描述如下:

在C语言中,求解最大子数组问题有多种方法,以下为你介绍几种常见的方法: ### 蛮力法 该方法的思路是找出所有子数组,计算所有子数组,并从中取最大值。以下是实现代码: ```c #include <stdio.h> // 方法1(蛮力法):两次循环求最大子数组 int maxSubArray1(int a[], int n) { int i, j; int ThisSum = 0; int MaxSum = 0; for (i = 0; i < n; i++) { ThisSum = 0; for (j = i; j < n; j++) { ThisSum += a[j]; if (ThisSum > MaxSum) { MaxSum = ThisSum; } } } return MaxSum; } int main() { int a[] = {1, -2, 3, 10, -4, 7, 2, -5}; int n = sizeof(a) / sizeof(a[0]); int result = maxSubArray1(a, n); printf("最大子数组为: %d\n", result); return 0; } ``` ### 优化的暴力法 此方法通过比较一个元素时的最大值,以及相邻2、3、...、n个相邻元素时的最大值来求解。代码如下: ```c #include <stdio.h> #define M 100 int main() { int a[M]; int i, j, N; int m = 0, max = 0; int n; printf("输入数组个数 "); scanf("%d", &n); N = n - 1; printf("输入数组元素 "); for (i = 0; i < n; i++) { scanf("%d", &a[i]); } for (i = 0; i < n; i++) { // 比较一个元素时的最大值 if (a[i] > max) { max = a[i]; } } while (N > 0) { // 比较相邻2,3,...,n个相邻元素时的最大值 for (i = 0; i < N; i++) { m = 0; for (j = 0; j <= (n - N); j++) { // 计算相邻的(n - N + 1)的,赋给m m = m + a[i + j]; } if (m > max) { max = m; } } N--; } printf("最大为:%d\n", max); return 0; } ``` ### 线性时间复杂度算法算法的时间复杂度为O(n),它的核心思想是在遍历数组时,动态更新当前子数组以及最大子数组。代码如下: ```c #include <stdio.h> // 时间复杂度为O(n)算法 int maxsum(int a[], int n) { 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) { sum = sum + a[j]; // 如果加上某个元素,sum >= 0 的话,就加 } 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, 10, -4, 7, 2, -5}; int n = sizeof(a) / sizeof(a[0]); int result = maxsum(a, n); printf("最大子数组为: %d\n", result); return 0; } ``` ### 另一种线性时间复杂度算法 同样时间复杂度为O(n),该算法在遍历数组时,不断更新当前子数组,如果当前小于0,则将其重置为0。代码如下: ```c #include <stdio.h> // 时间复杂度为O(n)的另一种实现 int MaxSubsequenceSum(const int A[], int N) { int ThisSum, MaxSum, j; ThisSum = MaxSum = 0; for (j = 0; j < N; j++) { ThisSum += A[j]; if (ThisSum > MaxSum) { MaxSum = ThisSum; } else if (ThisSum < 0) { ThisSum = 0; } } return MaxSum; } int main() { int a[] = {1, -2, 3, 10, -4, 7, 2, -5}; int n = sizeof(a) / sizeof(a[0]); int result = MaxSubsequenceSum(a, n); printf("最大子数组为: %d\n", result); return 0; } ```
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