最大子数组二

本文介绍了一种使用线性方式简化算法实现,通过连续记录最大子数组的方法,有效降低时间复杂度至O(n),并提供了一个简洁的代码实现。

上次写了个算法导论的实现方法,然后继续看练习题发现可以用更简单的方式去实现,利用线性的方式去实现O(n)复杂度的算法。思想是记录从左边记录自己当前处理过的最大子数组,然后进行连续记录,如果加和小于0,则置为0,继续进行加和求解!

具体代码如下:

int Find_MaxiMum_SubArray2(int *A,int low,int high,int& max_left,int& max_right,int& max_value)
{
	max_left = low;
	max_right= low;

	max_value  = 0;

	int ThisSum=0;
	int tmp_left=low;
	for (int i = low; i < high+1; i++)
	{
		ThisSum += A[i];
		if (ThisSum>max_value)
		{
			max_value = ThisSum;
			max_right = i;
			max_left = tmp_left;
		}
		else if(ThisSum<0)
		{
			ThisSum = 0;
			tmp_left = i+1;
		}

	}

	return 0;
}

发现代码比原来更短,且时间复杂度更好。



在Python中,解决最大子数组问题有多种方法: ### 卡达内斯算法(Kadane’s Algorithm) 这是一种高效解决最大子数组和问题的方法,目标是在给定的整数数组中找到一个子数组,使得子数组中元素的和最大 [^1]。 ### 线性时间复杂度查找算法 根据特性“如果[i,j]对应最大子数组,那么必有sum([i,k]) >= 0 , k = i,i+1,i+2 …,j”设计的查找算法,代码如下: ```python import sys def linear_find_max_subarray(array): ''' 线性时间复杂度查找最大子数组 ''' left = 0 right = 0 i = left j = right max_sum = -sys.maxsize - 1 sum_now = 0 while j < len(array): sum_now += array[j] if sum_now > max_sum: # 元素和增大,调整相关变量记录当前元素构成的子数组 max_sum = sum_now left = i right = j if sum_now < 0: # 如果元素和小于0,那么[i:j]就不属于最大子数组的一部分 sum_now = 0 i = j + 1 j += 1 return array[left:right + 1], max_sum array = [13, -3, -25, 20, -3, -16, -23, 18, 20, -7, 12, -5, -22, 15, -4, 7] max_subarray, max_sum = linear_find_max_subarray(array) print("最大子数组是:{0} ,最大子数组之和为: {1}".format(max_subarray, max_sum)) ``` 上述代码通过遍历数组,不断更新当前子数组的和以及最大子数组的和,当当前子数组的和小于0时,重新开始计算子数组 [^2]。 ### 动态规划和前缀和之差方法 通过动态规划分析最优路径,利用前缀和之差(第1到第n的累加为前缀和,前缀和之间的差为两个元素之间子数组的和)的递归思路,第n个元素为止的最大和,为之前的最大和`max_n`与包含元素n的子数组最大和【`max(premax + 元素n、元素n)`】中最大者 [^3]。
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