PTA 数据结构题目(1):最大子列和问题(分而治之、在线处理算法)
2017-05-27 16:50
1131 查看
题目来源:
http://www.icourse163.org/learn/ZJU-93001?tid=1002019005#/learn/content?type=detail&id=1002635003&cid=1002891019&replay=true问题描述:
问题分析:
对于一般的问题,原始解 都能通过一种 蛮力算法,即穷举法的思想得到。这题也不例外。如果我们,把输入的数组,所有的子列都历遍,并从中找出最大,即可得出我们的算法。也就是版本一。
学习要点:
1、如何寻找代码中的可改进点2、通过改进代码,得到更有效的算法
3、了解 在线处理 和分而治之思想
int MaxSubSequm1(int A[], int N) { int ThisSum, MaxSum = 0; int i, j, k; for (i = 0; i < N; i++) { // i 是子列左端的位置 for (j = i; j < N; j++){ //j 是子列右端的位置 ThisSum = 0; //* for (k = i; k <= j; k++) //* ThisSum += A[k]; //* if (ThisSum>MaxSum) // 如果刚得到的子列和更大 MaxSum = ThisSum; // 更新结果 } }// 循环结束 return MaxSum; }
然而,
T(N)= O(N^3) 不能让人接受!
思考改进点
1、从历遍的方法? 是不是一定要用 3 个 for ? 每个for 的作用是什么?2、能不能 通过 动态规划,增加记录的思想,来减少循环?
3、问题的本质是什么?
3、可不可以考虑另外一种解法?
改进点一: 通过改变记录方式,减少一个for 循环
标记有×× 的是可改进的代码int MaxSubSequm1(int A[], int N) { int ThisSum, MaxSum = 0; int i, j, k; for (i = 0; i < N; i++) { // i 是子列左端的位置 for (j = i; j < N; j++){ //j 是子列右端的位置 ThisSum +=A[j]; //* // 对于相同i ,的不同j ,只要在j-1次循环的基础上累加1 项即可 if (ThisSum>MaxSum) // 如果刚得到的子列和更大 MaxSum = ThisSum; // 更新结果 } }// 循环结束 return MaxSum; }
算法复杂度 是吓人的 N^2
在线处理思想
改进点二: 深入问题的本质:极端化
其实,我们注意到,1、如果全部序列都为正数,即最大子列和就是其自身
2、如果最大子列全部为负数,那么最大子列和就是最小的负数
3、根据1,2 我们有,只有当前子列为正数时,才能使最大子列和增大。
于是,我们可以通过抛弃负子列,保证最大子列和递增。当扫描一遍,最大子列和不再递增时,当前的最大子列和即为我们的解。
在线处理
在线 的意思是指每输入一个数据就进行 即是处理 ,在任何一个地方终止输入,算法都能能正确给出当前解int MaxSubseqSum4(int A[], int N) { int ThisSum, MaxSum; int i; ThisSum = MaxSum = 0; for (i = 0; i < N; i++){ ThisSum += A[i];//向右累加 if (ThisSum>MaxSum) MaxSum = ThisSum; // 发现更大和则更新当前结果 else if (ThisSum < 0) // 如果当前子列和为负数 ThisSum = 0; // 则不可能使后面部分和增大,抛弃之 } return MaxSum; }
#另一种思想:分而治之
int Max3( int A, int B, int C ) { /* 返回3个整数中的最大值 */ return A > B ? A > C ? A : C : B > C ? B : C; } int DivideAndConquer( int List[], int left, int right ) { /* 分治法求List[left]到List[right]的最大子列和 */ int MaxLeftSum, MaxRightSum; /* 存放左右子问题的解 */ int MaxLeftBorderSum, MaxRightBorderSum; /*存放跨分界线的结果*/ int LeftBorderSum, RightBorderSum; int center, i; if( left == right ) { /* 递归的终止条件,子列只有1个数字 */ if( List[left] > 0 ) return List[left]; else return 0; } /* 下面是"分"的过程 */ center = ( left + right ) / 2; /* 找到中分点 */ /* 递归求得两边子列的最大和 */ MaxLeftSum = DivideAndConquer( List, left, center ); MaxRightSum = DivideAndConquer( List, center+1, right ); /* 下面求跨分界线的最大子列和 */ MaxLeftBorderSum = 0; LeftBorderSum = 0; for( i=center; i>=left; i-- ) { /* 从中线向左扫描 */ LeftBorderSum += List[i]; if( LeftBorderSum > MaxLeftBorderSum ) MaxLeftBorderSum = LeftBorderSum; } /* 左边扫描结束 */ MaxRightBorderSum = 0; RightBorderSum = 0; for( i=center+1; i<=right; i++ ) { /* 从中线向右扫描 */ RightBorderSum += List[i]; if( RightBorderSum > MaxRightBorderSum ) MaxRightBorderSum = RightBorderSum; } /* 右边扫描结束 */ /* 下面返回"治"的结果 */ return Max3( MaxLeftSum, MaxRightSum, MaxLeftBorderSum + MaxRightBorderSum ); } int MaxSubseqSum3( int List[], int N ) { /* 保持与前2种算法相同的函数接口 */ return DivideAndConquer( List, 0, N-1 ); }
例如:
复杂度为?
总结:
相关文章推荐
- mooc浙大数据结构PTA习题之最大子列和问题2(在线处理)
- PTA 数据结构与算法题目集 5-1 最大子列和问题
- mooc浙大数据结构PTA习题之最大子列和问题(在线处理)
- 第一周:最大子列和问题-算法4:在线处理(作业)
- 数据结构与算法--求最大子列和问题
- 讨论1.7-01-复杂度1-最大子列和问题-算法4-在线处理
- 【数据结构与算法】最大子序列和问题的求解
- Pku acm 2239 Selecting Courses 数据结构题目解题报告(十二)---- 匈牙利算法求二分图的最大匹配
- 最大子列和问题(分治法和在线处理)
- PTA 数据结构与算法题目集(中文)5-7 六度空间 (30分)
- PTA 数据结构与算法题目集(中文)5-9 旅游规划 (25分)
- pta-数据结构与算法题目集(中文)-4-2 顺序表操作集
- 最大子列和问题(20) - 中国大学MOOC-陈越、何钦铭-数据结构基础习题集
- Pku acm 1274 The Perfect Stall 数据结构题目解题报告(十三)---- 匈牙利算法求二分图的最大匹配
- PTA 数据结构与算法题目集(中文)6-11
- PTA 数据结构与算法题目集(中文)5-5 堆中的路径 (25分)
- C语言 数据结构题目一道 在线等答案~快~试写一符合上述要求的LocateNode运算的算法。
- 数据结构——算法之(040)(最大公约数问题)
- 数据结构与算法——求最大子矩阵问题
- Pku acm 2536 Gopher II 数据结构题目解题报告(十四)---- 匈牙利算法求二分图的最大匹配